基于AI的实时感知提升自动代客泊车功能

这是 NVIDIA DRIVE Labs 系列 中的最新视频。这些视频以工程为重点，介绍了各个自主车辆的挑战以及 NVIDIA 驱动团队如何应对这些挑战。

自动停车涉及一系列复杂的感知和决策算法，传统上依赖高清（ HD ）地图来检索停车信息。

然而，地图覆盖率和较差或过时的本地化信息可能会限制此类系统。除此之外，系统还必须理解和解释不同地区的停车规则。

在这个 DRIVE Labs 的帖子中，我们展示了基于 AI 的实时感知如何帮助将自动停车扩展到全球各个地区。

自动泊车系统概述

对停车规则的理解和解释可能会比表面上看起来更加微妙。

可以覆盖有效区域内的不同停车规则。例如，“禁止停车”可以覆盖“禁止泊车”

此外，非停车相关标志可以推断停车规则。例如，在德国，任何公共汽车站标志 15 米范围内都不允许停车。在美国，停车标志前 30 英尺内停车是违法的。

最后，除了像物理标志这样的明确线索外，还有携带停车信息的隐含标志。例如，在许多地区，交叉口表示上一个活动停车规则的结束。

基于高级算法的停车标志辅助（ PSA ）系统对于自动车辆了解停车规则的复杂性并做出相应反应至关重要。

传统的 PSA 系统仅依赖高清地图的输入。然而， NVIDIA DRIVE AV 软件堆栈利用最先进的深度神经网络（ DNN ）和计算机视觉算法来提高真实场景中自动停车的覆盖率和鲁棒性。这些技术可以实时检测、跟踪和分类各种停车交通标志和道路交叉口。

WaitNet DNN 检测交通标志和十字路口。

wait perception 堆栈跟踪单个标志和交点，通过三角测量提供 3D 位置。

SignNet DNN 标识交通标志类型。

然后，来自模块的结果被输入 PSA 系统，该系统使用这些数据来确定汽车是否在停车带内，限制条件是什么，以及汽车是否允许在该区域内停车或停车。

停车标志辅助系统概述

PSA 系统接收到检测到的停车标志和道路交叉口后，将对象抽象为一个 启动停车标志 或 终点停车标志 。这种抽象级别允许系统在全球范围内扩展。

启动停车标志 标志着新停车带的潜在开始， 终点停车标志 可能会关闭一个或多个现有停车带。图 1 和图 2 显示了停车带是如何形成的。

图 1 ：形成停车带

图 1 将标志和道路交叉口抽象为停车带。该图显示，单个标志可以生成多个虚拟标志。例如，中间的符号作为最左边符号的“结束”符号，作为最右边符号的“开始”。

图 2 ：禁止停车区旁的汽车。

除了形成停车带外， PSA 系统还利用标志的语义将停车带分为禁止停车、禁止停留、允许停车和未知状态。然后，可以将此信息提供给驾驶员或任何自动停车系统。

图 3 ：PSA 的高水平工作

图 3 显示了 PSA 系统的主要功能工作流。在帧 A 中，检测到“停车区开始”标志，并创建新的停车带。汽车行驶一段时间后，检测到“停车区结束”标志，该标志与该停车带的开始标志相匹配。

最后， PSA 系统将所有激活的停车带存储在其存储器中，并根据停车带所隐含的交通规则向驾驶员发出当前停车状态的信号。

结论

PSA 系统在 NVIDIA DRIVE AGX 上运行仅几毫秒，就可以以惊人的准确性实现复杂的决策。它还兼容任何使用实时摄像头传感器输入的仅感知自动车辆堆栈。

我们目前的 SignNet DNN 支持欧洲 20 多个停车标志，包括公共汽车停车标志、禁止停车标志和禁止停车标志，覆盖范围不断扩大。我们还将光学字符识别（ OCR ）和自然语言处理（ NLP ）模块添加到系统中，以处理符号上书写文本携带的复杂信息。

关于作者

邹珂轩是 NVIDIA 自主车辆感知团队的计算机视觉工程师。他目前正在开发动态和静态对象的多摄像头跟踪。过去，他是基于实时感知的等待条件系统（包括速度辅助系统和停车标志辅助系统）各种功能和算法的核心贡献者之一。克劳斯在伊利诺伊大学香槟分校获得计算机工程硕士学位。

Maroof Mohammed Farooq 是 NVIDIA 的高级软件工程师。他是自动车辆感知团队的成员，在该团队中，他致力于开发动态和静态障碍物的摄像头对象跟踪器。过去，他为路径感知、路标识别和等待条件系统的基于 AI 的解决方案的设计和开发做出了贡献。他在南加州大学完成了信号处理硕士学位。

窦航是 NVIDIA 自主车辆感知团队的技术负责人和工程师经理。他领导了等待条件系统（道路规则、标志、灯光、交叉口区域、路标等的语义理解）的开发，目前正在领导开发动态对象（车辆、行人等）和静态对象（自由驾驶空间等）的通用摄像头跟踪。Hang在圣路易斯华盛顿大学获得了计算机科学博士学位，由Ju教授指导。Hang的工作领域包括计算机图形学、计算机视觉和深度学习，尤其对几何、渲染、检测和分类感兴趣。

审核编辑：郭婷