Apple ontwikkelt al een tijdje een autonoom geleidingssysteem voor auto's, oorspronkelijk bedoeld voor een auto van het Amerikaanse bedrijf. Aangezien dat project door het bedrijf Apple is geannuleerd, gaan die uit Cupertino verder met een project gebaseerd op de ontwikkeling van een autonoom geleidingssysteem voor auto's.
Dit systeem zou door Apple aan autofabrikanten worden verkocht, en vandaag leren we er interessante informatie over. Apple vertrouwt op de LIDAR-technologie om dit systeem te creëren. Het systeem kan voetgangers, auto's en fietsers van grote afstanden herkennen. Hiervoor wordt een reeks camera's en speciale software gebruikt. hier beschreven.
"Nauwkeurige detectie van objecten in 3D-puntenwolken is een centraal probleem in veel toepassingen, zoals autonome navigatie, huishoudrobots en augmented/virtual reality. Om een zeer schaarse LiDAR-puntenwolk te koppelen aan een regiovoorstelnetwerk (RPN), hebben de meeste bestaande inspanningen zich geconcentreerd op handgemaakte functierepresentaties, bijvoorbeeld een vogelperspectiefprojectie. In dit werk nemen we de noodzaak van handmatige feature-engineering voor 3D-puntenwolken weg en stellen we VoxelNet voor, een generiek 3D-detectienetwerk dat feature-extractie en bounding box-voorspelling verenigt in een enkelvoudig, end-to-end trainbaar diep netwerk."
Apple beweert dat de ontwikkelde technologie mensen en fietsers beter kan herkennen dan andere vergelijkbare technologieën die tot doel hebben 3D-objecten te detecteren. Voorlopig heeft Apple alleen software-experimenten gedaan, zonder over te gaan tot echte tests, dus de technologie is nog niet helemaal klaar om in welke auto dan ook te worden geïmplementeerd.
Totdat dat zou kunnen gebeuren, staat Apple zijn ingenieurs toe om werken te publiceren die verband houden met de technologie die zij ontwikkelen. Het doel van dit proces is om de informatie naar zoveel mogelijk mensen te brengen, zodat ze hulp kunnen krijgen bij het ontwikkelen van de software en hardware, maar het valt nog te bezien hoe succesvol ze zullen zijn.
"De meeste bestaande methoden voor op LiDAR gebaseerde 3D-detectie zijn afhankelijk van handgemaakte representaties van kenmerken, bijvoorbeeld een vogelperspectiefprojectie. In dit artikel verwijderen we het knelpunt van handmatige feature-engineering en stellen we Vox-elNet voor, een nieuwe end-to-end trainbare diepe architectuur voor op puntenwolken gebaseerde 3D-detectie. Onze aanpak kan rechtstreeks op schaarse 3D-punten werken en 3D-vorminformatie effectief vastleggen. We presenteren ook een efficiënte implementatie van VoxelNet die profiteert van puntenwolksparsiteit en parallelle verwerking op een voxelraster."
Het bedrijf Apple is zeer vastbesloten om dit autonome geleidingssysteem op de markt te brengen, dit wordt door veel mensen verwacht en het zal buitengewoon interessant zijn om te zien of het succesvol zal zijn of niet.
"Onze experimenten met de KITTI-autodetectietaak laten zien dat VoxelNet ruimschoots beter presteert dan de modernste op LiDAR gebaseerde 3D-detectiemethoden. Bij meer uitdagende taken, zoals de 3D-detectie van voetgangers en fietsers, laat VoxelNet ook bemoedigende resultaten zien die aantonen dat het een betere 3D-weergave biedt".
