蓋世汽車訊 據外媒報道，日前，特斯拉獲得了“使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日益增長的成本和復雜性。此種方法可以讓車輛通過圖像數據和機器學習，檢測并解釋與周圍環境的距離。

（圖片來源：www.teslarati.com）

該項專利使用兩個神經網絡，僅使用圖像數據，測量與物體之間的距離。其中一個神經網絡可確定物體與車載攝像頭捕捉到的圖像之間的距離。另一個神經網絡以標注圖像的形式，為前者創建訓練材料。

在該項專利中，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，安裝成本較高，而且會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頭的平衡配置，以確定車輛與周圍物體的距離。這將使特斯拉能夠采用性能可與行業領先企業媲美的系統，同時盡可能降低成本。

特斯拉稱，“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，每增加一個傳感器，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優配置，限制傳感器的總數，而不限制其捕捉數據的數量和類型，從而準確描述周圍環境，安全控制車輛。”

此外，該項專利還為特斯拉提供自動標注視覺數據的方法。由于標注是特斯拉FSD（全自動駕駛）開發過程中最耗時的部分之一，因此該系統可能會加速該公司FSD和 Autopilot套件的開發和更新。

特斯拉還表示，“在各種實施方案中，輔助數據與視覺數據的收集和關聯都是自動完成的，并且幾乎不需要人工干預。例如，使用視覺技術識別的物體不需要手工標注，顯著提高了機器學習訓練的效率。訓練數據可以自動生成，并用于訓練機器學習模型，從而能以很高的精度預測物體屬性?！?/p>

特斯拉專利中描述的配置將顯著提升其FSD技術。此種方法可能會減少特斯拉對傳感器的依賴，并增加從圖像中提取的數據量，從而改善FSD測試版本性能。

返回第一電動網首頁 >