盖世汽车讯 自动驾驶汽车需要配备物体探测系统来进行导航，以避开道路上的障碍物。不过，现有的探测方法往往因为天气恶劣、道路无规则或有遮挡而导致探测能力下降。据外媒报道，韩国仁川国立大学（Incheon National University）的一组研究人员研发出新型端到端3D物体探测系统，标志着自动驾驶汽车物体探测技术迈出了重要一步。该系统由物联网技术提供支持，并以深度学习为基础的，其探测能力得到了提高，即使在不利条件下也能正常工作。

端到端3D物体探测系统（图片来源：仁川国立大学）

自动驾驶汽车有望解决交通拥堵问题，通过车到车通信技术提高交通流量，并通过提供舒适而安全的乘车旅途改进旅行体验。此外，将自动驾驶技术集成至电动汽车中还能够实现更环保的交通解决方案。

自动驾驶汽车能够成功应用的一个关键要求是其具备在不同环境中探测和绕开障碍物、行人及其他车辆的能力。目前的自动驾驶汽车采用智能传感器，如采用激光雷达（光探测与测距）获取周围环境的3D视图和深度信息；采用RADaR（无线电探测与测距）在晚上和多云天气下探测物体；以及采用一组摄像头提供RGB图像和360度视图，以共同形成一个称为点云的综合数据集。不过，此类传感器经常面临因天气恶劣、道路无规则或有遮挡而导致探测能力下降的挑战。

为了克服上述弱点，韩国仁川国立大学嵌入式系统工程系教授Gwanggil Jeon领导了一支国际研究团队，研发了一个开创性的、由物联网技术提供支持，以深度学习为基础的端到端3D物体探测系统。Jeon教授解释道：“该系统可实时运行，提高了自动驾驶汽车的物体探测能力，让交通更顺畅、更安全。”

该款创新系统基于YOLOv3（You Only Look Once）深度学习物体探测技术打造，是目前最先进的2D视觉探测技术。研究人员首先采用该款新模型进行2D物体探测，然后将YOLOv3进行更改，让其探测3D物体。该系统既输入点云数据，也输入RGB图像，输出带有置信度分数和可见障碍物标签的边界框。

为了评估该系统的性能，该团队采用Lyft数据集进行了实验。该数据集由在加利福尼亚州帕洛阿尔托按照预订路线行驶的20辆自动驾驶汽车在四个月内捕获的道路信息构成。实验结果表明，YOLOv3展示出很高的准确性，超越了其他先进的架构。值得注意的是，2D和3D物体探测的整体精度分别达到了96%和97%，令人十分惊叹。

该项研究预计将推动传感器、机器人和人工智能等各技术领域的研发工作。该团队认识到目前的工作重点是2D图像的研发，未来将探索用于3D物体探测的其他深度学习算法。

总而言之，该项开创性研究可能会为自动驾驶汽车的广泛采用铺平道路，进而为更环保、更舒适的交通方式的实现铺平道路。