近年來,深度學(xué)習(xí)技術(shù)在涉及高維非結(jié)構(gòu)化數(shù)據(jù)領(lǐng)域展現(xiàn)出了最先進(jìn)的性能,如計算機(jī)視覺、語音、自然語言處理等方面,并且開始涉及更大、更復(fù)雜的多模態(tài)信息問題。
不同傳感器在進(jìn)行同一實(shí)驗(yàn)任務(wù)時,針對產(chǎn)生的同一現(xiàn)象進(jìn)行觀測,采集的數(shù)據(jù)構(gòu)成被測對象的多模態(tài)信息。多模態(tài)信息可以實(shí)現(xiàn)不同傳感器之間數(shù)據(jù)互補(bǔ),并在相同學(xué)習(xí)任務(wù)獲取更豐富的特征,從而實(shí)現(xiàn)比單一模態(tài)更好的性能。
在自動駕駛領(lǐng)域,多模態(tài)數(shù)據(jù)通常包括安裝在車輛上的多個傳感器,包括雷達(dá)、立體可見光攝像頭、紅外攝像頭、GPS等,為執(zhí)行自動巡航,從傳感器收集的異構(gòu)數(shù)據(jù)用于學(xué)習(xí)許多相互關(guān)聯(lián)但復(fù)雜的任務(wù),如定位和測繪、場景識別、路徑規(guī)劃和駕駛員狀態(tài)識別等。
大多數(shù)先進(jìn)的融合方法集中于如何融合來自多模態(tài)空間的信息或特征。根據(jù)多模態(tài)信息的融合策略主要可以分為早期融合、中期融合和晚期融合。
一、多傳感器數(shù)據(jù)融合處理方法
1、早期融合

早期融合在輸入端進(jìn)行簡單鏈接多模態(tài)數(shù)據(jù)組合,然后輸入到特定的模型進(jìn)行處理。LaserNet采用了這種融合策略,將三維的點(diǎn)云映射到二維圖像上,采用全卷積網(wǎng)絡(luò)進(jìn)行概率預(yù)測,實(shí)現(xiàn)端到端的三維物體檢測。
早期融合的方式能夠保留最多原始數(shù)據(jù)的特征,但對于來自不同傳感器的模態(tài)信息來說,這種融合方式計算量大,對設(shè)備運(yùn)行要求較高。
2、中期融合

中期融合又稱作是特征融合,需要對來自不同模態(tài)的數(shù)據(jù)進(jìn)行特征提取,并對特征圖進(jìn)行融合操作后輸入到目標(biāo)任務(wù)中進(jìn)行處理。通過ROI池化的方式將二維圖像和點(diǎn)云鳥瞰圖、前視圖特征整合到同一特征尺度進(jìn)行融合,并構(gòu)建兩個子網(wǎng)絡(luò)進(jìn)行多視圖區(qū)域特征融合,并在不同路徑中間層中交互特征,實(shí)現(xiàn)了自動駕駛場景下高精度的三維物體檢測。
中期融合的方式能夠有效減少模型的數(shù)據(jù)輸入,能夠有效整合來自不同模態(tài)的深層特征。

3、晚期融合
晚期融合(決策融合)針對每種模態(tài)的目標(biāo)任務(wù)結(jié)果進(jìn)行決策投票,比其他兩種融合策略更為直觀,能夠有效地促進(jìn)多模態(tài)之間的協(xié)作,避免因?yàn)閭鞲衅魇Ф鴮ψ罱K任務(wù)結(jié)果造成嚴(yán)重影響。
晚期融合由于需要對不同模態(tài)的數(shù)據(jù)進(jìn)行處理和任務(wù)執(zhí)行,其任務(wù)完成質(zhì)量受到單一模態(tài)影響較大,同時也存在計算開銷大的問題。
二、aiSim仿真模擬平臺
作為一款端到端的自動駕駛仿真模擬工具,康謀aiSim仿真模擬平臺能夠提供現(xiàn)實(shí)世界中難以捕捉的場景和自動駕駛過程中的邊緣案例,具有高可擴(kuò)展性、高保真度的傳感器模擬和環(huán)境模擬,能夠擴(kuò)充不同測試場景的數(shù)據(jù)廣度和深度,有效提升ADAS/AD算法的能力。

傳感器是環(huán)境感知系統(tǒng)的核心,自動駕駛車輛需要通過傳感器獲知周圍的環(huán)境信息。康謀aiSim設(shè)計了基于物理原理的傳感器模型,能夠全面準(zhǔn)確的模擬條件和交互環(huán)境。傳感器模型庫包括相機(jī)、激光雷達(dá)、雷達(dá)、超聲波傳感器等。
高度可擴(kuò)展框架能夠?qū)崿F(xiàn)在多個GPU上實(shí)現(xiàn)分布式光追渲染,實(shí)時仿真高度復(fù)雜的多傳感器配置。
具有污泥遮擋、冷凝水霧遮擋、鏡頭色差、鏡頭炫光等多種相機(jī)退化和鏡頭失真情景。
支持新傳感器模型配置和設(shè)計,并快速測試其感知性能。相機(jī)、激光雷達(dá)和雷達(dá)視場可視化有助于確定傳感器在車輛上的最佳安裝位置。
如您對上述產(chǎn)品感興趣,
歡迎聯(lián)系康謀自動駕駛團(tuán)隊(duì)了解更多信息。
我們將竭誠為您服務(wù)!
期待與您的交流!
審核編輯 黃宇
-
傳感器
+關(guān)注
關(guān)注
2565文章
52971瀏覽量
767172 -
仿真
+關(guān)注
關(guān)注
52文章
4283瀏覽量
135789 -
adas
+關(guān)注
關(guān)注
310文章
2257瀏覽量
210221 -
數(shù)據(jù)融合
+關(guān)注
關(guān)注
0文章
46瀏覽量
10518 -
自動駕駛
+關(guān)注
關(guān)注
788文章
14312瀏覽量
170571
發(fā)布評論請先 登錄
康謀分享 | 基于多傳感器數(shù)據(jù)的自動駕駛仿真確定性驗(yàn)證

康謀分享 | 自動駕駛仿真進(jìn)入“標(biāo)準(zhǔn)時代”:aiSim全面對接ASAM OpenX

康謀應(yīng)用 | 基于多傳感器融合的海洋數(shù)據(jù)采集系統(tǒng)

康謀分享 | 3DGS:革新自動駕駛仿真場景重建的關(guān)鍵技術(shù)

BEVFusion —面向自動駕駛的多任務(wù)多傳感器高效融合框架技術(shù)詳解

多傳感器融合在自動駕駛中的應(yīng)用趨勢探究

一文聊聊自動駕駛測試技術(shù)的挑戰(zhàn)與創(chuàng)新

康謀技術(shù) | 毫米波雷達(dá)技術(shù)解析

康謀分享 | 直面AD/ADAS快速開發(fā)挑戰(zhàn):IVEX自動駕駛場景管理及分析平臺!

康謀分享 | 汽車仿真與AI的結(jié)合應(yīng)用

評論