自动驾驶汽车需要实施高效、有效、准确的检测系统，为用户提供安全可靠的体验。为此，一个国际研究团队现在开发了一种端到端神经网络，结合物联网技术，在2D和3D中都能以高精度(> 96%)检测物体。这种新方法优于目前最先进的方法，也优于用于自动驾驶汽车的新型2D和3D检测系统。
自动驾驶汽车一直被认为是下一代的交通方式。为了实现这种车辆在不同环境下的自主导航，需要实现与信号处理、图像处理、人工智能深度学习、边缘计算和物联网相关的许多不同技术。
关于自动驾驶汽车的普及，最大的担忧之一是安全性和可靠性。为了确保用户的安全驾驶体验，自动驾驶汽车必须准确、有效、高效地监测和区分周围环境以及对乘客安全的潜在威胁。
为此，自动驾驶汽车采用了高科技传感器，如光探测和测距(LiDaR)、雷达和RGB摄像机，这些传感器可以产生大量数据，如RGB图像和3D测量点，即“点云”。快速准确地处理和解释这些收集到的信息对于识别行人和其他车辆至关重要。这可以通过将先进的计算方法和物联网(IoT)集成到这些车辆中来实现，这可以更有效地进行快速的现场数据处理和各种环境和障碍的导航。
最近的一项研究刊登于IEEE智能交通系统汇刊杂志2022年10月17日，由韩国仁川国立大学的Gwanggil Jeon教授领导的一组国际研究人员现在开发了一种基于深度学习的智能物联网端到端系统，用于实时3D物体检测，专门用于自动驾驶情况。
“对于自动驾驶汽车来说，环境感知对于回答一个核心问题至关重要，‘我周围是什么?“为了做出反应，自动驾驶汽车必须能够有效、准确地了解周围的情况和环境。”全教授解释道。“我们设计了一个基于YOLOv3的检测模型，YOLOv3是一个著名的识别算法。该模型首先用于2D物体检测，然后修改为3D物体。”他阐述了。
研究小组将收集到的RGB图像和点云数据作为输入输入YOLOv3, YOLOv3反过来输出带有置信度分数的分类标签和包围框。然后他们用Lyft的数据集测试了它的性能。早期的结果表明，YOLOv3对2D和3D对象都实现了极高的检测精度(>96%)，优于其他最先进的检测模型。
该方法可应用于自动驾驶汽车、自动停车、自动送货和未来的自动机器人，以及需要物体和障碍物检测、跟踪和视觉定位的应用。“目前，自动驾驶是通过基于LiDAR的图像处理来进行的，但预计未来通用摄像头将取代LiDAR的作用。因此，自动驾驶汽车所使用的技术每时每刻都在变化，而我们处于最前沿。”全教授强调说。“基于元件技术的发展，安全性更高的自动驾驶汽车将在未来5-10年内问世。”他乐观地总结道。
参考
作者:伊姆兰·艾哈迈德1——Jeon Gwanggil2,*以及阿卜杜拉·切赫里3.
原始论文标题:智能物联网支持的自动驾驶汽车端到端3D物体检测系统
日报:IEEE智能交通系统汇刊
社会兼职:
1安格利亚鲁斯金大学计算机与信息科学学院
2仁川大学嵌入式系统工程系
3.加拿大皇家军事学院数学与计算机科学系
仁川大学简介
仁川国立大学(INU)是一所综合性，以学生为中心的大学。它成立于1979年，1988年被授予大学学位。首尔大学是韩国最大的大学之一，拥有近1.4万名学生和500名教职员工。2010年，INU与仁川城市学院合并，以扩大能力并开设更多课程。INU致力于学术卓越和对创新研究的不懈投入，为学生提供真实的实习体验。INU不仅注重学习，还努力为学生提供一个支持性的环境，让他们追随自己的热情，成长，并如他们的口号所说，受到启发。
作者简介
全广吉于2008年在韩国汉阳大学获得博士学位，之后在加拿大渥太华大学担任博士后研究员，并在日本新潟大学担任助理教授。他曾担任École Normale Supérieure Paris-Saclay(法国)和Università degli Studi di Milano Statale(意大利)的客座教授或兼职教授。他目前是韩国仁川国立大学的正教授。此外，Jeon博士是IEEE高级会员，并获得了许多奖项，包括2007年的IEEE Chester Sall奖，2008年的ETRI期刊论文奖，以及2020年由韩国中小企业和创业部颁发的产业学术奖励奖。
