Кембриджский университет разработал систему под названием SegNet, которая может «читать» дороги и распознавать на них знаки, дорожные маркеры, людей и даже небо. Система получает RGB-изображение дороги, а затем классифицирует слои с помощью байесовского анализа.
Как говорится в пресс-релизе, первая часть системы берет изображение улицы, которой еще нет в ее базе, и классифицирует ее, распределяя объекты в 12 разных категорий — дороги, уличные знаки, пешеходы, здания, велосипедисты и так далее. Все это — в режиме реального времени. Система может работать со светом, тенями и ночными окружениями, и на данный момент корректно классифицирует более 90 % пикселей.
Вторая часть технологии позволяет транспортному средству ориентироваться в пространстве. Это означает, что автомобиль может «посмотреть» на изображение и определить его «расположение и ориентацию в пределах нескольких метров и нескольких градусов». Поэтому теоретически система гораздо практичнее, чем GPS-навигация, поскольку она не требует беспроводного соединения для анализа местоположения.
Впрочем, по словам разработчиков, система пока не идеальна. Профессор Роберто Чиполла (Roberto Cipolla) говорит, что такая технология пока больше подходит для домашних роботов. «Пройдет время, прежде чем водители смогут полностью доверять автономным автомобилям, однако чем эффективнее и точнее мы сможем сделать эти технологии, тем ближе мы окажемся к широкой адаптации самоуправляемых автомобилей и других типов автономной робототехники».
Информация предоставлена ресурсом IGate по материалам Techcrunch
/
Кембриджский университет разработал систему под названием SegNet, которая может «читать» дороги и распознавать на них знаки, дорожные маркеры, людей и даже небо. Система получает RGB-изображение дороги, а затем классифицирует слои с помощью байесовского анализа.
Как говорится в пресс-релизе, первая часть системы берет изображение улицы, которой еще нет в ее базе, и классифицирует ее, распределяя объекты в 12 разных категорий — дороги, уличные знаки, пешеходы, здания, велосипедисты и так далее. Все это — в режиме реального времени. Система может работать со светом, тенями и ночными окружениями, и на данный момент корректно классифицирует более 90 % пикселей.
Вторая часть технологии позволяет транспортному средству ориентироваться в пространстве. Это означает, что автомобиль может «посмотреть» на изображение и определить его «расположение и ориентацию в пределах нескольких метров и нескольких градусов». Поэтому теоретически система гораздо практичнее, чем GPS-навигация, поскольку она не требует беспроводного соединения для анализа местоположения.
Впрочем, по словам разработчиков, система пока не идеальна. Профессор Роберто Чиполла (Roberto Cipolla) говорит, что такая технология пока больше подходит для домашних роботов. «Пройдет время, прежде чем водители смогут полностью доверять автономным автомобилям, однако чем эффективнее и точнее мы сможем сделать эти технологии, тем ближе мы окажемся к широкой адаптации самоуправляемых автомобилей и других типов автономной робототехники».
Информация предоставлена ресурсом IGate по материалам Techcrunch
Кембриджский университет разработал систему под названием SegNet, которая может «читать» дороги и распознавать на них знаки, дорожные маркеры, людей и даже небо. Система получает RGB-изображение дороги, а затем классифицирует слои с помощью байесовского анализа.
Как говорится в пресс-релизе, первая часть системы берет изображение улицы, которой еще нет в ее базе, и классифицирует ее, распределяя объекты в 12 разных категорий — дороги, уличные знаки, пешеходы, здания, велосипедисты и так далее. Все это — в режиме реального времени. Система может работать со светом, тенями и ночными окружениями, и на данный момент корректно классифицирует более 90 % пикселей.
Вторая часть технологии позволяет транспортному средству ориентироваться в пространстве. Это означает, что автомобиль может «посмотреть» на изображение и определить его «расположение и ориентацию в пределах нескольких метров и нескольких градусов». Поэтому теоретически система гораздо практичнее, чем GPS-навигация, поскольку она не требует беспроводного соединения для анализа местоположения.
Впрочем, по словам разработчиков, система пока не идеальна. Профессор Роберто Чиполла (Roberto Cipolla) говорит, что такая технология пока больше подходит для домашних роботов. «Пройдет время, прежде чем водители смогут полностью доверять автономным автомобилям, однако чем эффективнее и точнее мы сможем сделать эти технологии, тем ближе мы окажемся к широкой адаптации самоуправляемых автомобилей и других типов автономной робототехники».
Информация предоставлена ресурсом IGate по материалам Techcrunch
Кембриджский университет разработал систему под названием SegNet, которая может «читать» дороги и распознавать на них знаки, дорожные маркеры, людей и даже небо. Система получает RGB-изображение дороги, а затем классифицирует слои с помощью байесовского анализа.
