什么是地面真理?

在先进的驾驶辅助系统(adasis an 环境模型 这代表了一辆车周围的世界,基于收集的数据 传感器,如雷达、相机、激光雷达和超声波传感器. 随着开发人员改进和完善这些传感器生成的环境模型, 他们需要知道模型在多大程度上准确地代表了现实世界. 这就是所谓的金本位 地面实况.

例如, 如果车辆前面有骑自行车的人, 开发人员需要确保传感器能够准确地探测到物体的存在, 确定对象的范围, 测量物体的大小, 测量物体的相对速度, 然后把它归类为自行车. 雷达在探测距离和速度方面非常出色——即使在恶劣天气下也表现良好——先进的雷达系统也能够确定高度. 摄像机很擅长探测方位 目标分类,但难以精确的距离检测. 开始对这些和其他传感器的性能进行全面评估, 首先,必须有一个基本事实,为所有的问题建立“正确答案” 传感器正在试图定位. 

记录地面的真相, 开发人员使用配备了一组极其灵敏的惯性测量设备的测试车辆, 高精度GPS设备, 他们的屋顶上安装了激光雷达和摄像机. 而这些传感器太贵,体积太大 而且不适合用于日常交通工具, 它们提供了非常高的实时分辨率,以创建一个测试车辆周围环境的高度精确的表示.

开发人员将他们正在研究的传感器安装在同一辆汽车上, 所以地面真相传感器和开发传感器是时间对齐的, 在相同的地方、相同的环境和相同的潜在输入条件下工作. 测试驱动 车辆在广泛的场景, 无论是在封闭的测试轨道上还是在公共道路上, 然后把数据带回实验室进行分析. 因为收集的数据量很大, 测试人员将其上传到云端,以提高处理能力 能在几分钟内获得地面真相的结果. 这些地面真实信息可以帮助开发人员通过人工智能和人工智能从原始传感器数据中提取出更精确的信息 机器学习

say, 例如, 那辆车配备了地面真实测量设备和测试雷达, 雷达探测到一个部分被遮挡的物体,当视野不再被遮挡时,地面真相将其识别为一辆自行车. developers 然后利用这些数据告诉机器学习软件,雷达返回的不太明显的模式来自该位置的物体,代表一个自行车手. 当软件下次遇到类似的模式时,就有了更好的机会 它将能够检测和分类这类物体-识别自行车更有信心,而不需要地面真相设备的帮助.

这种技术有助于安全的民主化. 通过将软件智能应用于雷达系统等, 更便宜的传感器硬件, 整车厂可以改进和扩展先进的adas功能到更多的车辆, 除了高端车型.