特斯拉獲新專利 使用視覺圖像數據估計物體屬性

據外媒報道，日前，特斯拉獲得了一項“利用視覺圖像數據估計物體屬性”的新專利，旨在降低自動駕駛汽車視覺傳感器不斷增加的成本和復雜性。這種方法允許車輛通過圖像數據和機器學習來檢測和解釋與周圍環境的距離。

(來源:www.teslarati.com)

這項專利使用了兩個神經網絡，并且只使用圖像數據來測量與物體的距離。其中一個神經網絡可以確定物體和車載攝像頭拍攝的圖像之間的距離。另一個神經網絡以標記圖像的形式為前者創建訓練材料。

在這項專利中，特斯拉表示，需要在不限制車載傳感器捕捉和處理的數據量的情況下，確定合適的傳感器數量。特斯拉表示，視覺傳感器，如雷達、激光雷達和超聲波傳感器，安裝成本很高，并將增加自動駕駛系統的“輸入帶寬要求”。該專利描述了傳感器和攝像機的平衡配置，以確定車輛和周圍物體之間的距離。這將使特斯拉能夠采用與行業領導者性能相當的系統，同時最大限度地降低成本。

特斯拉表示，“隨著傳感器數量和類型的增加，系統的復雜性和成本也在增加。此外，每個額外的傳感器都會增加自動駕駛系統的輸入帶寬要求。因此，需要找到傳感器的最佳配置，在不限制傳感器捕捉的數據數量和類型的情況下，限制傳感器的總數，從而準確描述周圍環境，安全控制車輛。”

此外，該專利還為特斯拉提供了自動標注視覺數據的方法。由于標簽是特斯拉FSD(全自動駕駛)開發中最耗時的部分之一，該系統可能會加速該公司FSD和自動駕駛套件的開發和更新。

特斯拉還表示，“在各種實施例中，輔助數據和視覺數據的收集和關聯都是自動完成的，幾乎不需要人工干預。比如視覺技術識別的物體不需要人工標注，顯著提高了機器學習和訓練的效率。可以自動生成訓練數據，用于訓練機器學習模型，從而高精度地預測物體屬性。”

特斯拉專利中描述的配置將顯著改善其FSD技術。這種方法可能會減少特斯拉對傳感器的依賴，增加從圖像中提取的數據量，從而提高FSD測試版的性能。據外媒報道，日前，特斯拉獲得了一項“利用視覺圖像數據估計物體屬性”的新專利，旨在降低自動駕駛汽車視覺傳感器不斷增加的成本和復雜性。這種方法允許車輛通過圖像數據和機器學習來檢測和解釋與周圍環境的距離。

(來源:www.teslarati.com)

這項專利使用了兩個神經網絡，并且只使用圖像數據來測量與物體的距離。其中一個神經網絡可以確定物體和車載攝像頭拍攝的圖像之間的距離。另一個神經網絡以標記圖像的形式為前者創建訓練材料。

在這項專利中，特斯拉表示，需要在不限制車載傳感器捕捉和處理的數據量的情況下，確定合適的傳感器數量。特斯拉表示，視覺傳感器，如雷達、激光雷達和超聲波傳感器，安裝成本很高，并將增加自動駕駛系統的“輸入帶寬要求”。該專利描述了傳感器和攝像機的平衡配置，以確定車輛和周圍物體之間的距離。這將使特斯拉能夠采用與行業領導者性能相當的系統，同時最大限度地降低成本。

特斯拉表示，“隨著傳感器數量和類型的增加，系統的復雜性和成本也在增加。此外，每個額外的傳感器都會增加自動駕駛系統的輸入帶寬要求。因此，需要找到傳感器的最佳配置，在不限制傳感器捕捉的數據數量和類型的情況下，限制傳感器的總數，從而準確描述周圍環境，安全控制車輛。”

此外，th……專利還為特斯拉提供了自動標注視覺數據的方法。由于標簽是特斯拉FSD(全自動駕駛)開發中最耗時的部分之一，該系統可能會加速該公司FSD和自動駕駛套件的開發和更新。

特斯拉還表示，“在各種實施例中，輔助數據和視覺數據的收集和關聯都是自動完成的，幾乎不需要人工干預。比如視覺技術識別的物體不需要人工標注，顯著提高了機器學習和訓練的效率。可以自動生成訓練數據，用于訓練機器學習模型，從而高精度地預測物體屬性。”

特斯拉專利中描述的配置將顯著改善其FSD技術。這種方法可能會減少特斯拉對傳感器的依賴，增加從圖像中提取的數據量，從而提高FSD測試版的性能。

標簽：特斯拉

汽車資訊熱門資訊