Oossa

CoCam4D امکان اشتراک‌گذاری داده‌های عمق را برای خودروهای دوربین‌محور فراهم می‌کند

چارچوبی بیزی به خودروهای خودران امکان می‌دهد بازنمایی‌های فشرده سه‌بعدی گاوسی را با هم مبادله کنند و بدون LiDAR، عدم‌قطعیت تخمین عمق را کاهش دهند.

خبر کوتاهنویسنده: منتشرشده توسط Oossa: 1 دقیقه مطالعه

پژوهشگرانی به سرپرستی Soham Pahari، CoCam4D را معرفی کردند؛ سامانه‌ای برای ادراک مشارکتی در رانندگی خودران که فقط از دوربین استفاده می‌کند. این سامانه عدم‌قطعیت هندسی را با اجزای صحنه سه‌بعدی گاوسی مدل می‌کند و آن‌ها را از طریق C‑V2X در قالبی ۳۵‌بایتی به نام Dynamic Object Primitives به اشتراک می‌گذارد. آزمایش‌ها روی مجموعه‌داده‌های عمومی نشان می‌دهند که این روش در OPV2V+، نسبت به بهترین روش اخیرِ مبتنی بر بینایی، ۱۱.۴۸٪ و در DAIR‑V2X‑C، ۱۰.۶۲٪ بهبود دارد. این روش بدون LiDAR و صرفاً با تکیه بر داده‌های دوربینِ به‌اشتراک‌گذاشته‌شده کار می‌کند.

چرا مهم است

این روش به ناوگان خودروهای مجهز به دوربین کمک می‌کند نقاط کور را بهتر تشخیص دهند، بی‌آنکه به سخت‌افزار گران‌قیمت LiDAR نیاز باشد.

آیا این مقاله مفید بود؟
اشتراک‌گذاری

بیشتر بخوانید

Oossa · خبرنامه

هفتهٔ هوش مصنوعی، به زبان ساده

هر دوشنبه: خبرهایی که ارزش دانستن دارند، به زبان ساده. رایگان و بدون هرزنامه.