NVIDIA DRIVE Labs

Взгляд изнутри на разработку ПО для автономных транспортных средств

В серии DRIVE Labs рассматривается ряд задач беспилотного вождения с точки зрения программирования: от восприятия пути до движения на перекрестках. Короткие видеоролики рассказывают о процессе создания надежных и безопасных систем беспилотного вождения командой разработчиков ПО NVIDIA DRIVE AV.

 

Оптимизация восприятия источника света с помощью программно-определяемого ИИ

В этом эпизоде DRIVE Labs мы расскажем, как использовать технологии программно-определяемого ИИ, чтобы всего за нескольких недель значительно улучшить производительность и возможности глубокой нейронной сети (DNN) для восприятия источника света: увеличить дальность, добавить функцию классификации и другие.

 

Верные действия: как ИИ помогает беспилотным автомобилям предсказывать будущее

Беспилотные автомобили могут рассчитывать на ИИ, чтобы предсказывать движение транспорта и безопасно маневрировать в сложной обстановке. В этом эпизоде DRIVE Labs мы рассказываем, как глубокая нейронная сеть PredictionNet может предсказывать будущие действия других участников дорожного движения при помощи восприятия в реальном времени и данных карты.

 

Как ИИ помогает автономным транспортным средствам определять вид перекрестка

Движение на перекрестках вызывает целый ряд сложностей у беспилотных автомобилей. В предыдущих выпусках DRIVE Labs мы показывали, как система распознает перекрестки, светофоры и дорожные знаки при помощи глубокой нейросети WaitNet. Мы также рассмотрели, как глубокие нейросети LightNet и SignNet классифицируют сигналы светофора и типы дорожных знаков. Этот выпуск будет посвящен тому, как NVIDIA использует ИИ, чтобы воспринимать разнообразные структуры перекрестков, с которыми автономный автомобиль может столкнуться на дорогах.

 

Как активное обучение улучшает распознавание пешеходов в ночное время

Активное обучение позволяет моделям ИИ автоматически выбирать верные обучающие данные. Группа специализированных глубоких нейросетей перебирает выборку кадров и отмечает те, с распознаванием которых возникли сложности. Затем эти кадры помечаются и добавляются в обучающий набор данных. Этот процесс позволяет улучшить ориентацию нейросети в сложных условиях, например, при распознавании пешеходов в ночное время.

 

Фокусировка лазера: глубокая нейросеть LidarNet открывает новые перспективы для беспилотных автомобилей

Традиционные методы обработки данных приводят к значительным сложностям, например, при распознавании и классификации различных типов объектов, ситуаций и погодных условий, а также ограничивают производительность и надежность. Чтобы преодолеть сложности обработки данных с лидаров, глубокая нейронная сеть LidarNet применяет несколько измерений или перспектив для преобразования данных об окружении автомобиля.

 

Потерялись? Определение местоположения помогает беспилотным автомобилям найти дорогу

Определение местоположения — важнейшая функция для беспилотных автомобилей, которая вычисляет трехмерные координаты на карте, включая 3D-положение, 3D-ориентацию и любые неточности в этих значениях. В новом выпуске DRIVE Labs мы продемонстрируем, как алгоритмы определения местоположения позволяют достичь высокой точности и надежности с помощью популярных датчиков и HD-карт.

 

Как ИИ считывает информацию о дороге

Узнайте, как мы создали высокоточную сеть MapNet на основе глубокой нейронной сети LaneNet. Модификация включает в себя больше классов распознавания, в том числе дорожной разметки и вертикальных ориентиров (например столбов), помимо распознавания полос движения. Технология также применяет сквозное распознавание, которое обеспечивает быстрый инференс в беспилотном автомобиле.

 

АИС для беспилотных автомобилей: комбинация камеры кругового обзора и радара устраняет слепые зоны

Способность обнаруживать объекты вокруг автомобиля и реагировать на них обеспечивает комфортное и безопасное вождение. В этом выпуске DRIVE Labs мы рассказываем, почему для правильного восприятия окружающей среды необходим датчик, сочетающий камеру и радар.

 

Восприятие с точностью до пикселя: как ИИ помогает беспилотным автомобилям ориентироваться в нестандартных ситуациях

В сложных сценариях вождения важно, чтобы система восприятия в беспилотном автомобиле предоставляла максимально детализированную картину окружения. Паноптическая сегментации с помощью глубокой нейронной сети позволяет сегментировать изображения с точностью до пикселя и получать максимально точные результаты.

 

Слепящий свет? Как ИИ устраняет опасные блики дальнего света

Дальний свет может значительно расширить зону видимости стандартных фар в ночное время, но может создать опасные блики для других водителей. Мы обучили глубокую нейронную сеть (DNN) AutoHighBeamNet автоматически управлять системой дальнего света, повышая видимость в ночное время и безопасность вождения.

 

На верном пути: определение контуров для безопасного беспилотного вождения

Функция определения контуров оценивает соответствия и различия соседних видеокадров на уровне пикселей и предоставляет важную информацию о времени и геометрии для оценки движения и вектора скорости объекта, автокалибровки камеры и визуальной одометрии.

 

Ищете место для парковки? ИИ принял запрос

Наша глубокая нейронная сеть ParkNet может найти свободное место для парковки в любых условиях. Посмотрите, как нейросеть исследует открытые и закрытые парковки, распознает места, разделенные одной, двумя линиями и даже нечеткой разметкой, а также занятые, свободные и частично загороженные места.

 

Прокатитесь на беспилотном автомобиле NVIDIA

Специальный выпуск DRIVE Labs посвящен комбинации основных функций восприятия, определения местоположения, планирования пути и управления в ПО NVIDIA DRIVE AV. Вам предстоит узнать, как они обеспечивают автономное движение по дорогам около штаб-квартиры NVIDIA в Санта-Кларе, Калифорния.

 

Классификация дорожных знаков и сигналов светофоров с помощью ИИ

ПО NVIDIA DRIVE AV использует комбинацию глубоких нейронных сетей для классификации дорожных знаков и сигналов светофоров. Узнайте, как глубокая нейросеть LightNet классифицирует форму сигнала светофора (например, стрелку) и значение (т.е. цвет), а нейросеть SignNet определяет тип дорожного знака.

 

Устранение дорожных аварий с Safety Force Field

Наше ПО Safety Force Field (SFF) для предотвращения столкновений независимо контролирует действия первичной системы планирования и управления транспортным средством. SFF дважды проверяет элементы управления, выбранные первичной системой, и если квалифицирует их как небезопасные, то запрещает выполнение и исправляет решение системы.

 

Высокоточное распознавание дорожной разметки

Обработка глубоких нейронных сетей  (DNN) стала важным методом распознавания дорожной разметки на базе ИИ. Наша сеть LaneNet позволяет чаще и правильнее распознавать дорожную разметку и воспроизводить ее границы благодаря точности до пикселя.

 

Восприятие нового измерения

При движении по холмистой местности вычисление расстояния до объектов с использованием изображений с одной камеры становится непростой задачей. С помощью глубоких нейронных сетей автономные транспортные средства могут рассчитать трехмерные расстояния по 2D-изображениям.

 

Камеры кругового обзора

Узнайте, как с помощью шести камер обеспечить 360-градусный обзор вокруг автомобиля и отслеживать движение окружающих объектов.

 

Прогнозирование с рекуррентными нейронными сетями

Автономные транспортные средства должны использовать вычислительные методы и данные с датчиков, например, последовательность изображений, чтобы своевременно рассчитывать движение объектов.

 

Глубокая нейронная сеть ClearSightNet

Глубокая нейронная сеть ClearSightNet оценивает четкость изображения с камеры и определяет причины помех, блокировки и снижения видимости.

 

Глубокая нейронная сеть WaitNet

Узнайте, как глубокая нейронная сеть WaitNet находит перекрестки без помощи карты.

 

Система восприятия пути

Это трио DNN строит и оценивает уверенность для предсказаний центрального пути и линии полосы, а также изменений/разбиений/слияний полосы.

Получите последние новости DRIVE Labs прямо на ваш почтовый ящик с помощью бюллетеня NVIDIA Automotive.