蘋果發明了一種神經網絡系統，可以從由LIDAR傳感器生成的點云中分離出對象。
不久之前，蘋果進軍無人駕駛領域。不過，關于他們的汽車，我們了解的并不多。許多正在研發自動駕駛汽車的公司都使用所謂的LIDAR來檢測汽車周圍的障礙物。LIDAR發出光脈沖，并測量該脈沖返回傳感器的時間，然后就可以計算出汽車與附近的障礙物之間的距離。旋轉傳感器就可以測得傳感器周圍的所有障礙物。
LIDAR獲得的距離存儲在所謂的“點云（Point Cloud）”中。在將這個點集可視化之后，人類可以很輕松地檢測出這些點云中各種類型的對象，如人、汽車、自行車。遺憾地的是，對計算機而言，這仍然是一項困難的工作。讀者可以試著指出上圖中的人和汽車。
傳統方法依靠人工編制的特性賦予這些數據意義。例如，將云分割成子云的方法，或者將點云分離成平面的方法。還有一種讓LIDAR數據有意義的方式是選擇一個觀察點，把圖像輸入已有的計算機視覺算法。這些方法的缺點是特性設計非常困難，而且也很難設計出可以很好地概括所有情況的特性?，F在，蘋果創建了一種端到端的神經網絡來解決這個問題。這種方法不依賴任何手工編制的特性或神經網絡之外的其他機器學習方法。
該方法的第一部分是所謂的“特性學習網絡”。蘋果把這個空間分解成所謂的三維像素（3D像素）。在檢測汽車時，他們將每個三維對象的尺寸設定為2米高、2.4米寬（這樣，一輛汽車就可以很好地匹配到一個三維像素里去）。在每個三維像素里，他們隨機選取一個點的子集（有些三維像素包含許多點，有些只包含幾個，這樣處理之后，每個三維像素包含同樣數量的神經網絡輸入）。他們把這個點的子集輸入到神經網絡，在一個128維的空間里創建一個表示。
對這個空間里每一個點都進行這樣的處理，就得到一個數據結構，讓你可以通過在神經網絡方法中看到的相同的網絡結構輸入到計算機視覺算法。通過多個卷積層，神經網絡把輸出投射成一張概率圖和一種回歸圖（如下圖所示）。概率圖說明了這個空間中的每個三維像素是否包含對象。回歸圖說明了每個三維像素中對象的位置。
蘋果使用KITTI Vision基準測試測試了他們的方法，并把他們的方法和其他使用類似數據的方法進行了比較，不過，有些方法使用了人工編制的特性。結果表明，與所有現有的方法相比，包括使用了人工編制的特性的方法，他們的方法性能更好。
通過這項研究，蘋果展示了他們在自動駕駛項目中使用的方法。今年有報道稱，蘋果使用了車頂上總計12個LIDAR傳感器中的6個。他們在一篇論文里發布了他們的結果，感興趣的讀者可以從ArXiv下載。
查看英文原文：How Apple Uses Neural Networks for Object Detection in Point Clouds
京公網安備 11010502049343號