NVIDIA DRIVE Labs

深入了解自动驾驶汽车软件

DRIVE Labs 视频系列以工程学为重点,关注从感知路径到应对交叉路口驾驶的一系列自动驾驶问题。这些短片展示了 NVIDIA DRIVE AV 软件团队如何创建安全可靠的自动驾驶系统。

利用 AI 对交通标志和信号灯进行分类

NVIDIA DRIVE AV 软件使用 DNN 组合来对交通标志和信号灯进行分类。 了解我们的 LightNet DNN 如何对信号灯形状(例如,实心圆与箭头)和状态(即颜色)进行分类,SignNet DNN 如何对交通标志类型进行分类。

利用 Safety Force Field 避免碰撞

我们使用 Safety Force Field (SFF) 防撞软件单独监控车辆主规划和控制系统的操作。 SFF 会对主系统选择的控件进行双重检查,如果检查结果为控件不安全,SSF 将否决主系统的决策并对其进行更正。

高精度车道检测

深度神经网络 (DNN) 处理现已成为一种重要的基于 AI 的车道检测技术。 我们的 LaneNet DNN 可通过像素级精度提升车道检测范围、车道边缘召回和车道检测可靠性。

感知全新维度

在丘陵地带,使用单个摄像头提供的图像数据计算距目标的距离颇具挑战性。 借助深度神经网络,自动驾驶汽车可以通过 2D 图像测算出 3D 距离。

摄像头全方位视觉

了解我们如何使用六摄像头配置 360 度查看车辆周围的情况,以及如何追踪周边环境中移动的对象。

使用 RNN 预测未来

自动驾驶汽车必须使用计算方法和传感器数据(例如一系列图像)来及时确定目标移动的方式。

ClearSightNet 深度神经网络

ClearSightNet DNN 经过专门训练,可评估摄像头能否清晰观察,并确定遮蔽、阻挡和可见度降低的原因。

WaitNet 深度神经网络

了解 WaitNet DNN 如何能够在不使用地图的情况下检测交叉路口。

路径感知集成

这三个 DNN 可构建主路和车道线以及更改/分离/合并车道的置信度,并对其进行评估。

通过 NVIDIA 汽车时事通讯,直接在收件箱中获取最新的 DRIVE Labs 信息。