寻找供应商
广告
首页 > 自动驾驶测试 > 正文

rFpro数据耕耘技术，彻底改变自动驾驶车辆的训练和测试

2020-05-27 00:21:28·  来源：泽尔测试  
　
总部位于英国的驾驶模拟公司rFpro已经开发出一种可降低与大规模仿真相关的硬件成本的方法。突破性的技术发展有可能消除行业对逐帧创建的测试数据手动标注的依赖


总部位于英国的驾驶模拟公司rFpro已经开发出一种可降低与大规模仿真相关的硬件成本的方法。突破性的技术发展有可能消除行业对逐帧创建的测试数据手动标注的依赖，这既耗时又容易出错。

“目前，许多自动驾驶汽车领域的公司都雇用了一群人来手动标注每一帧视频，LiDAR点或雷达回波以识别场景中的物体（例如其他车辆、行人、道路标记和交通信号），以创建训练数据，” rFpro董事总经理Matt Daley说。“ rFpro的这种新方法提供了一种数字化，经济高效的方式，可以完全无错误地创建与手动标注相同的数据，并且与手动标注相比要快10,000倍，而手工标注每帧大约需要30分钟，错误率为10％。这一革命性的变化将使深度学习能发挥其潜能，因为这一技术大大降低了生成有用的训练样本数据的成本和时间。”

rFpro称这种新方法为数据耕耘，并将其与渲染耕耘进行了对比，后者革新了流行动画的经济性。数据耕耘使客户能够建立涵盖整个车辆系统的完整数据集，其中每个传感器都在同步进行模拟。即使使用最复杂的硬件设计，数据也会在所有传感器之间同步。如果客户正在使用传感器融合来收集数据，例如同时来自多个8K HDR立体摄像机、LiDAR和雷达传感器的数据，同步至关重要的。”

现有客户（包括全球Tier1供应商DENSO ADAS 工程服务部门）已经开始应用数据耕耘技术。DENSO ADAS项目经理Francisco Eslava-Medina说：“通过rFpro的数据耕耘技术，我们可以创建大量的驾驶场景，只通过投资单一平台，就可以生成非常大的场景变化。” “这使我们能够快速而经济高效地生成大量高质量的训练数据，对于计算机视觉技术的某些产品开发阶段至关重要，尤其是对于我们的自动驾驶技术的神经网络而言。”

这一新方法使客户甚至可以从单一的PC开始执行涉及多个传感器的复杂仿真。Daley补充说：“仿真试验不必实时运行，还可以为用户提供所需的算力的灵活性。 对于工程师来说，只需投入常规的部门预算就可以，而不需要高层的审批。现在，更容易获得高质量的训练和测试数据。” 数据耕耘技术完全具有可扩展性，可以让客户在想要加速数据生产时扩展更多主机来实现。

成功使用数据耕耘技术的另一个客户是拥有领先的自动驾驶汽车技术提供商安霸Ambarella。Ambarella意大利分部总经理Alberto Broggi说：“该软件（rFpro）在创建训练数据方面带来了根本性的变革，并且已经在加速我们的自动驾驶汽车系统的开发。深度学习和人工智能的成功采用对于自动驾驶汽车至关重要。仅通过使用手动标注生成的数据集可能无法达到所需的合理标准。数据耕耘技术将改变行业开发自动驾驶汽车的方式。”

rFpro公司是英国ABD集团2019年收购的科技新贵，位于英国，该公司开发了全球首款针对自动驾驶汽车模拟、训练及开发的商用平台，公司业务涵盖虚拟测试、驾驶模拟器、赛车运动及基于业界顶尖的3D重构技术的工程服务。

广州泽尔测试公司作为rFpro在中国区的代理商，将竭诚为国内的用户提供rFpro相关产品方案及本地化的工程服务。 
分享到：
 
反对 0 举报 0 收藏 0 评论 0
  • 汽车测试网V课堂

    汽车测试网V课堂

  • 微信公众号

    微信公众号

  • 汽车测试网手机站

    汽车测试网手机站

• 亦庄：自动驾驶之城 • 智能网联汽车仿真测试标准体系研究
• 汽车自动驾驶仿真：场景呈现的技术深度探讨 • 汽车自动驾驶感知模块的开发与验证：技术挑战与未来展望
• 汽车自动驾驶感知模块开发与验证中的场景仿真技术探析 • 智能网联不确定路口场景下汽车驾驶性能的实验与评价研究
• 智能网联汽车产品模拟仿真测试可信度评估方法 • 智能网联汽车产品模拟仿真测试可信度评估框架
• 智能网联汽车产品测试策略：确保安全可靠的驾驶体验 • 智能网联汽车视觉感知系统测评验证：性能评估与未来展望
0 条相关评论
  • 广告
  • 广告

编辑推荐

最新资讯

  • 广告
  • 广告
沪ICP备11026917号-25