Apple od jakiegoś czasu pracuje nad autonomicznym systemem naprowadzania do samochodów, pierwotnie był on przeznaczony dla samochodu produkowanego przez amerykańską firmę. Biorąc pod uwagę, że projekt ten został anulowany przez firmę Apple, ci z Cupertino kontynuują projekt oparty na opracowaniu autonomicznego systemu naprowadzania dla samochodów.
System ten miałby być sprzedawany przez Apple producentom samochodów, a dziś poznajemy kilka ciekawych informacji na jego temat. Apple przy tworzeniu tego systemu korzysta z technologii LIDAR, która jest w stanie rozpoznawać pieszych, samochody i rowerzystów z dużej odległości, do czego wykorzystuje się szereg kamer i specjalne oprogramowanie opisane tutaj.
„Dokładne wykrywanie obiektów w chmurach punktów 3D to główny problem w wielu zastosowaniach, takich jak nawigacja autonomiczna, roboty sprzątające i rzeczywistość rozszerzona/wirtualna. Aby połączyć bardzo rzadką chmurę punktów LiDAR z siecią propozycji regionu (RPN), większość istniejących wysiłków skupiła się na ręcznie wykonanych reprezentacjach obiektów, na przykład projekcji widoku z lotu ptaka. W tej pracy eliminujemy potrzebę ręcznego projektowania cech dla chmur punktów 3D i proponujemy VoxelNet, ogólną sieć detekcji 3D, która ujednolica ekstrakcję cech i przewidywanie obwiedni w jednoetapową, kompleksową, możliwą do wyszkolenia głęboką sieć.
Apple twierdzi, że opracowana przez niego technologia potrafi rozpoznawać ludzi i rowerzystów lepiej niż inne podobne technologie, których celem jest wykrywanie obiektów 3D. Na razie Apple przeprowadził jedynie eksperymenty z oprogramowaniem, nie przechodząc do rzeczywistych testów, więc technologia nie jest w pełni gotowa do wdrożenia w jakimkolwiek samochodzie.
Dopóki to nie nastąpi, Apple pozwala swoim inżynierom publikować prace związane z opracowywaną przez nich technologią. Celem tego procesu jest dotarcie z informacją do jak największej liczby osób, aby mogły uzyskać pomoc w opracowywaniu oprogramowania i sprzętu, ale czas pokaże, jaki sukces odniosą.
„Większość istniejących metod wykrywania 3D w oparciu o LiDAR opiera się na ręcznie wykonanych reprezentacjach obiektów, na przykład projekcji widoku z lotu ptaka. W tym artykule usuwamy wąskie gardło związane z ręczną inżynierią cech i proponujemy Vox-elNet, nowatorską, kompleksową, głęboką architekturę do wykrywania 3D w oparciu o chmurę punktów. Nasze podejście może działać bezpośrednio na rzadkich punktach 3D i skutecznie przechwytywać informacje o kształcie 3D. Prezentujemy również wydajną implementację VoxelNet, która korzysta z rzadkości chmury punktów i równoległego przetwarzania na siatce wokseli.
Firma Apple jest bardzo zdeterminowana, aby wprowadzić na rynek ten autonomiczny system naprowadzania, wielu ludzi tego oczekuje i niezwykle interesujące będzie sprawdzenie, czy odniesie sukces, czy nie.
„Nasze eksperymenty dotyczące zadania wykrywania samochodów KITTI pokazują, że VoxelNet znacznie przewyższa najnowocześniejsze metody wykrywania 3D oparte na LiDAR. W przypadku bardziej wymagających zadań, takich jak wykrywanie pieszych i rowerzystów w 3D, VoxelNet osiąga również zachęcające wyniki, pokazując, że zapewnia lepszą reprezentację 3D”.
