Apple расширяет возможности для машинного обучения LiDAR

Apple представила новое исследование, которое описывает применение метода машинного обучения для преобразования необработанных данных в виде массивов точек, собираемых датчиками LiDAR при обнаружении объектов, включая велосипедистов и пешеходов на дороге. При этом не потребуется использование никаких других дополнительных датчиков.

Этот документ наиболее явно представляет намерения Apple по совершенствованию технологии самоуправления. В действительности, исследователи Apple, в том числе Инь Чжоу и Онзел Тузел, создали методику, названную VoxelNet, которая позволяет экстраполировать и выявлять объекты из массивов точек, отсканированных с помощью датчиков LiDAR (Light Identification Detection and Ranging). По сути, LiDAR работает путем создания карты с высоким разрешением из отдельных точек, сканируемых лазером.

Это исследование интересно тем, что оно позволяет более эффективно и самостоятельно использовать технологию LiDAR в системах самоуправления. Сейчас, как правило, данные от датчиков LiDAR дополняются с помощью фотокамер, радиолокационных и прочих датчиков для создания полной картины окружающего пространства и обнаружения в нем объектов. Использование лазерного датчика отдельно с высокой степенью уверенности может привести к дальнейшему повышению эффективности беспилотных автомобилей в реальных дорожных условиях.