本帖最后由 冰蚁 于 2014-12-16 14:54 编辑
flyrathabu 发表于 2014-12-16 14:22
GOOGLE这个牛吹得有点大，正好我也是这个方向的，简单来说，这个就是《汽车辅助驾驶系统》的高级版本（晨枫 ...
google 的自动车开发是 google map/ street view 出身的人在玩。一个建筑是不是帝国大厦对 google map 来说不要太容易了。google 投了大量的资源在map的各种数据上不是没原因的。google 的道路情况识别很可能还用到了 streetview 的信息去辅助校正。
你说的第二点正是google 比单纯汽车厂家容易做好的地方。google 的道路信息是比较准确的。比较市面上的导航设备，软件，google 的道路更新及时，路线规划准确，时间计算合理。garmin 这些还是差不少。
本帖最后由 三力思 于 2014-12-17 03:49 编辑
flyrathabu 发表于 2014-12-17 03:22
GOOGLE这个牛吹得有点大，正好我也是这个方向的，简单来说，这个就是《汽车辅助驾驶系统》的高级版本（晨枫 ...
看google的云智能，记忆-〉反应有多快了。每个自动驾驶车其实应该被看成整个swamp intelligent的一部分。每辆车的经验，犯过的错误，矫正尝试都实时记录，回馈的话。恐怕地上有个小坑，在没有被人发现之前，前车已经告诉后车，要它避让了。地标数据也被每辆经过的汽车实时更新。 最后连传感器，传动系统故障的汽车都会被周边的汽车，连帮带，自动带到安全区域。
冰蚁 发表于 2014-12-17 03:47
google 的自动车开发是 google map/ street view 出身的人在玩。一个建筑是不是帝国大厦对 google map 来 ...
这点在说图形识别上提到过了，汽车定位实质上是把汽车的位置定位到一张电子地图上，这里地图不是重点，重点是汽车现在在地图什么位置，如果不能把这个问题弄清楚，有google地图也没用。
汽车导航是够用的，因为最后的行为是人控制，保持相对的精度就可以(按汽车的速度，保证精度在一米左右就够了)，
三力思 发表于 2014-12-17 03:48
看google的云智能，记忆-〉反应有多快了。每个自动驾驶车其实应该被看成整个swamp intelligent的一部分。 ...
关于导航的问题见我上贴说的东西，至于你后面设想的东西，老师有谈到过，这里涉及到的就不止是本车自身的问题了，还涉及到与其他汽车的相互联系（这是未来发展的一个方向），同时还是最后还是要归结到定位，首先要把自己和其他相关个体的位置精确定位下来，才能谈其他东西
flyrathabu 发表于 2014-12-16 14:55
这点在说图形识别上提到过了，汽车定位实质上是把汽车的位置定位到一张电子地图上，这里地图不是重点，重 ...
图形识别上没那么难吧。你过哪个路口，结合地图和实际扫描是能判断出来的，再结合汽车速度，可能再加上streetview图象校正，应该会比较精确了。
本帖最后由 flyrathabu 于 2014-12-17 04:15 编辑
冰蚁 发表于 2014-12-17 03:58
图形识别上没那么难吧。你过哪个路口，结合地图和实际扫描是能判断出来的，再结合汽车速度，可能再加上st ...
一种方式是把所有主要地方尽可能多角度的图片保存在电脑里，然后和照相机的图片做对比，但是单单一个运算量就太大（这里也涉及到后面说的，计算机怎么判断照片上的东西和存储在电脑里的哪张图片是一个东西的问题），还有各地的建筑和环境一般都是变化的，需要保持图片更新，也是个大问题。
另一种更智能，但是涉及到是计算机识别，计算机不是人脑，它只会分析数字化后的数据，并没有那么简单，这里需要设置一些特征，然后把这些特征数字化，但是哪些特征是需要的，怎么区分等等都是需要考虑的东西。
现在图像识别是自动化领域的一个大课题，要是容易也不会这么多人围着这东西转来转去了。
就单单一个生产线上的零件识别都不是一个简单问题。
早晨到办公室门口下车，让它自己去找停车位，下午下班到办公楼来接我，把车子预热了。其余时间我自己开就行。
三力思 发表于 2014-12-16 13:48
看google的云智能，记忆-〉反应有多快了。每个自动驾驶车其实应该被看成整个swamp intelligent的一部分。 ...
不知道你做过多少实际的数据处理和建模，原始数据进来，要经过大量的筛选和预处理，否则garbage in，garbage out。筛选和预处理是最花时间的，真的数据处理和建模反而挺快的。这个云智能面对这样的海量数据，有什么好办法可以自动筛选和预处理呢？
flyrathabu 发表于 2014-12-16 14:14
一种方式是把所有主要地方尽可能多角度的图片保存在电脑里，然后和照相机的图片做对比，但是单单一个运算 ...
我们有一个很简单的模式识别问题：高速吹出通过的透明薄膜上检测出疵点，就这么个小问题，眼睛一看就看出来了，但自动检测就有很多问题：光线、反光、平整度、振动都会造成误判。
晨枫 发表于 2014-12-18 00:08
我们有一个很简单的模式识别问题：高速吹出通过的透明薄膜上检测出疵点，就这么个小问题，眼睛一看就看出 ...
你这个比我说的检测零件可复杂多了。
另外，薄膜这个东西透光性这么好，用照相技术去检测会不会有点吃力不讨好？薄膜的照片上瑕疵点和其他部分的灰度差异很容易受到各种影响，甚至有些时候差异会很模糊，使用常见的canny等方式处理，最后得到的数据很容易出现误判。
flyrathabu 发表于 2014-12-17 10:43
你这个比我说的检测零件可复杂多了。
另外，薄膜这个东西透光性这么好，用照相技术去检测会不会有点吃力 ...
薄膜的透明度说低不低，说高也不高，不像玻璃一样透明，但比毛玻璃要透明多了。想象食品包装袋吧。疵点是一小坨“硬结”，肉眼很容易看出来，自动检测还真是不简单。
晨枫 发表于 2014-12-17 12:04
薄膜的透明度说低不低，说高也不高，不像玻璃一样透明，但比毛玻璃要透明多了。想象食品包装袋吧。疵点是 ...
汽车这块的识别技术虽然不简单，但是已经开始逐渐成熟了。电子+软件的东西发展快得很。你们那行当没有摩尔定律吧。
:lol
冰蚁 发表于 2014-12-17 11:24
汽车这块的识别技术虽然不简单，但是已经开始逐渐成熟了。电子+软件的东西发展快得很。你们那行当没有摩 ...
你把摩尔定理看得太神了。硬件的集成度可能还有摩尔定理一说，但软件没有这一说。不管什么行业，能赚钱的勾当都是前赴后继的，没有让IT专美的道理。如果哪一行的技术没有像CPU换代那么勤快，一定有它的道理。
冰蚁 发表于 2014-12-18 01:24
汽车这块的识别技术虽然不简单，但是已经开始逐渐成熟了。电子+软件的东西发展快得很。你们那行当没有摩 ...
晨枫说的这东西跟汽车上的识别是一个原理过来的，所以。。。
晨枫 发表于 2014-12-18 00:06
不知道你做过多少实际的数据处理和建模，原始数据进来，要经过大量的筛选和预处理，否则garbage in，garb ...
自驾车单车裸机就要干的事，为什么还要交给云？原始数据的筛选和预处理，每辆车自己处理，有交流价值的车祸信息，电子扫描发现地形更新才有上传的需要。云通过对行车大数据统计，优化，精简单车内核逻辑，批量实验然后自动升级是另一个演化方向。没有云，车就不能动，显然不会是设计方向。
三力思 发表于 2014-12-17 12:54
自驾车单车裸机就要干的事，为什么还要交给云？原始数据的筛选和预处理，每辆车自己处理，有交流价值的车 ...
每辆车上自动筛选也成啊，你打算加多少钱？阿富汗战争期间，美国空军用捕食者扫描车队前的道路，与两天前扫描的对比，判断是否有地雷，概念和你说的差不多吧？这套系统（视频扫描头简直就可以白送了）可以好几百万呢。每辆车上自动扫描地形，要分辨前面路上一摊黑乎乎的东西是漏油还是坑还是光线关系，就不简单。
本帖最后由 雷达 于 2014-12-23 21:57 编辑
最新消息，谷歌完成第一辆全功能无人驾驶汽车
http://news.sky.com/story/1396513/google-unveils-complete-driverless-car
这个车看着太单薄了。
http://media.skynews.com/media/images/generated/2014/12/23/358390/default/v1/vehicle-prototype-1-762x428.jpg
晨枫 发表于 2014-12-18 04:44
每辆车上自动筛选也成啊，你打算加多少钱？阿富汗战争期间，美国空军用捕食者扫描车队前的道路，与两天前 ...
有这么神的系统吗？准确率能有多高？你说的情况人脑都不一定能准确分辨啊，，，再有个下雨下雪的，难以想象电脑有这个本事{:7_325:}
雷达 发表于 2014-12-23 21:55
最新消息，谷歌完成第一辆全功能无人驾驶汽车
http://news.sky.com/story/1396513/google-unveils-complet ...
如果能100%避免事故，单薄还真不是问题
七月群山 发表于 2014-12-23 11:12
有这么神的系统吗？准确率能有多高？你说的情况人脑都不一定能准确分辨啊，，，再有个下雨下雪的，难以想 ...
所以美军车队还是挨炸啊！{:187:}