Apple har utvecklat ett autonomt styrsystem för bilar under en tid, det var ursprungligen avsett för en bil tillverkad av det amerikanska företaget. Med tanke på att det projektet avbröts av Apple-företaget, fortsätter de från Cupertino med ett baserat på utvecklingen av ett autonomt styrsystem för bilar.
Detta system skulle säljas av Apple till biltillverkare, och idag får vi veta lite intressant information om det. Apple förlitar sig på LIDAR-teknik för att skapa detta system, det kan känna igen fotgängare, bilar och cyklister på långa avstånd, en serie kameror och speciell programvara används för denna process beskrivs här.
"Exakt detektering av objekt i 3D-punktmoln är ett centralt problem i många applikationer, såsom autonom navigering, hushållsrobotar och augmented/virtual reality. För att koppla ihop ett mycket gles LiDAR-punktmoln med ett regionförslagsnätverk (RPN), har de flesta befintliga ansträngningar fokuserat på handgjorda funktionsrepresentationer, till exempel en projektion i fågelperspektiv. I det här arbetet tar vi bort behovet av manuell funktionsteknik för 3D-punktmoln och föreslår VoxelNet, ett generiskt 3D-detektionsnätverk som förenar funktionsextraktion och bounding box-förutsägelse i ett enda steg, end-to-end-träningsbart djupt nätverk."
Apple hävdar att tekniken man utvecklat kan känna igen människor och cyklister bättre än andra liknande tekniker som syftar till att upptäcka 3D-objekt. Än så länge har Apple bara gjort mjukvaruexperiment, utan att gå till riktiga tester, så tekniken är inte helt redo att implementeras i någon bil.
Tills det kan hända låter Apple sina ingenjörer publicera verk relaterade till den teknik de utvecklar. Syftet med denna process är att föra ut informationen till så många som möjligt så att de kan få hjälp med att utveckla mjukvaran och hårdvaran, men det återstår att se hur framgångsrika de blir.
"De flesta befintliga metoder inom LiDAR-baserad 3D-detektion bygger på handgjorda funktionsrepresentationer, till exempel projektion i fågelperspektiv. I det här dokumentet tar vi bort flaskhalsen med manuell funktionskonstruktion och föreslår Vox-elNet, en ny end-to-end tränabar djuparkitektur för punktmolnbaserad 3D-detektion. Vårt tillvägagångssätt kan arbeta direkt på glesa 3D-punkter och fånga 3D-forminformation effektivt. Vi presenterar också en effektiv implementering av VoxelNet som drar nytta av punktmolnsparsitet och parallell bearbetning på ett voxelnät."
Apple-företaget är mycket fast beslutna att ta ut detta autonoma styrsystem till marknaden, det förväntas av många människor och det ska bli extremt intressant att se om det kommer att bli framgångsrikt eller inte.
"Våra experiment med KITTIs bildetekteringsuppgift visar att VoxelNet överträffar de senaste LiDAR-baserade 3D-detektionsmetoderna med stor marginal. På mer utmanande uppgifter, som 3D-detektering av fotgängare och cyklister, visar VoxelNet också uppmuntrande resultat som visar att det ger en bättre 3D-representation".
