DRIVE Labs 系列文章

終點(diǎn)站：尋找車位與自動(dòng)泊車

自動(dòng)駕駛汽車穿梭過(guò)大街小巷，平安經(jīng)過(guò)了各類型的路口，即將到達(dá)終點(diǎn)。但隨著近年來(lái)汽車數(shù)量的增加，城市停車場(chǎng)壓力逐漸增大，能否找到合適的停車位并安全駛?cè)胍矊?duì)自動(dòng)駕駛汽車提出了更高要求。DRIVE Labs“常學(xué)常新”系列是 NVIDIA DRIVE 團(tuán)隊(duì)推出的、以一輛自動(dòng)駕駛汽車從出發(fā)到最終目的地為線索的系列文章，共分 8 期主題，將為大家詳細(xì)解析自動(dòng)駕駛汽車如何一路“過(guò)關(guān)斬將”，以及 NVIDIA 技術(shù)與產(chǎn)品在不同場(chǎng)景中提供的支持，以便讀者能更好地了解自動(dòng)駕駛。

本期是第八期“尋找車位與自動(dòng)泊車”，將為大家介紹自動(dòng)駕駛汽車如何通過(guò)深度神經(jīng)網(wǎng)絡(luò)（DNN）和 AI 來(lái)“尋找”合適的停車位并實(shí)現(xiàn)自動(dòng)泊車，幫助自動(dòng)駕駛汽車安全、高效地完成自動(dòng)駕駛旅程的最后一項(xiàng)任務(wù)。

上期文章主要介紹了可保護(hù)車輛不受碰撞的安全力場(chǎng)（Safety Force Field，SFF）、可守護(hù)駕駛員專注前方道路以實(shí)現(xiàn)安全行駛的 AI 軟件，以及能夠優(yōu)化夜間行人檢測(cè)的主動(dòng)學(xué)習(xí)方法，本期將為大家介紹可用于識(shí)別停車位的 ParkNet DNN 以及可用于提升自動(dòng)泊車功能的停車標(biāo)志輔助功能。話不多說(shuō)，一起來(lái)看看吧！

自動(dòng)駕駛克服了道路上的重重挑戰(zhàn)后，來(lái)到了駕駛旅程的最終一段—泊車。隨著汽車數(shù)量的增加和城市建設(shè)的限制，尋找合適的車位逐漸成為駕駛員的一大難點(diǎn)。NVIDIA 引入了 AI 和 DNN 以幫助自動(dòng)駕駛汽車提高車位尋找能力并提升自動(dòng)泊車的安全與效率水平。

ParkNet DNN 助力“尋找”開放停車位

在尋找停車位？AI 可以提供幫助

任何一個(gè)曾經(jīng)在繁忙的停車場(chǎng)或者擁堵街區(qū)繞過(guò)圈的人都知道，尋找一個(gè)可用的停車位有的時(shí)候會(huì)很艱難。停車線標(biāo)記不清、由于視野原因而難以判斷車位是否空閑以及與其他正在尋找停車位的人共同“競(jìng)爭(zhēng)”，都會(huì)給自動(dòng)駕駛汽車帶來(lái)考驗(yàn)。

為了在這些環(huán)境中停車，自動(dòng)駕駛汽車需要一個(gè)視覺(jué)感知系統(tǒng)，以在各種條件下檢測(cè)可用的停車位以及不同形狀的停車位。NVIDIA 利用在各種條件下收集的攝像頭圖像數(shù)據(jù)，借助 ParkNet DNN 進(jìn)行深度神經(jīng)網(wǎng)絡(luò)處理，來(lái)幫助自動(dòng)駕駛汽車感知可用停車位（如以上視頻所示）。

ParkNet DNN 可以在各種條件下檢測(cè)開放的停車位?，F(xiàn)實(shí)中的停車位并非都是完美的矩形，它們可能是傾斜帶有一定角度的四邊形，也可能是垂直或平行的狀態(tài)，為了解決停車位形狀和朝向的幾何多樣性，NVIDIA 訓(xùn)練 ParkNet DNN 以四邊形為標(biāo)準(zhǔn)來(lái)識(shí)別停車位，包括直角四邊形（也就是長(zhǎng)方形）、任意角度的四邊形等，以賦能自動(dòng)駕駛汽車感知不同朝向的停車位。

ParkNet DNN 還能分辨停車位的“入口線”，即幫助自動(dòng)駕駛汽車了解應(yīng)該從多邊形的哪條線進(jìn)入停車位并停車，以為后續(xù)自主泊車提供準(zhǔn)確的信息。此外，ParkNet DNN 還能通過(guò)五個(gè)攝像頭環(huán)繞感知裝置來(lái)區(qū)分可用停車位和已被其他車輛占用的停車位。

借助 ParkNet DNN 通過(guò)五個(gè)環(huán)繞攝像頭感知裝置來(lái)進(jìn)行停車位的感知。紅線表示四邊形停車位的形狀檢測(cè)。綠線表示被定義為停車位入口線的那一側(cè)

自動(dòng)駕駛汽車還可將通過(guò) ParkNet DNN 獲取的 2D 感知結(jié)果轉(zhuǎn)化為 3D 坐標(biāo)以用于下一階段 — 自主泊車，以實(shí)現(xiàn)精確位置預(yù)估。

左圖：2D 圖像形式的 ParkNet 檢測(cè)和分類結(jié)果

右圖：將 ParkNet 檢測(cè)和分類結(jié)果轉(zhuǎn)換為 3D 坐標(biāo)，并以俯視的視角進(jìn)行可視化呈現(xiàn)

停車標(biāo)志輔助功能助力優(yōu)化自動(dòng)代客泊車

使用停車標(biāo)志輔助功能提升自動(dòng)代客泊車功能

自動(dòng)泊車涉及一系列復(fù)雜的感知和決策算法，傳統(tǒng)上依賴高精地圖來(lái)檢索停車信息。然而，地圖覆蓋率和較差或過(guò)時(shí)的本地化信息可能會(huì)限制此類系統(tǒng)。同時(shí)除了像物理標(biāo)志這樣的明確線索外，現(xiàn)實(shí)中還存在著許多攜帶停車信息的隱含標(biāo)志，這也會(huì)對(duì)自動(dòng)停車系統(tǒng)帶來(lái)識(shí)別壓力。除此之外，系統(tǒng)還必須理解和解釋不同地區(qū)的停車規(guī)則。

因此，對(duì)自動(dòng)駕駛汽車而言，配備能夠幫助其了解停車規(guī)則的復(fù)雜性并做出相應(yīng)反應(yīng)的停車標(biāo)志輔助（PSA）系統(tǒng)則顯得尤為重要。以上視頻就為大家展示了 NVIDIA DRIVE AV 軟件堆棧如何利用最先進(jìn)的 DNN 和計(jì)算機(jī)視覺(jué)算法來(lái)提高真實(shí)場(chǎng)景中自動(dòng)停車的覆蓋率和魯棒性，以改善現(xiàn)實(shí)場(chǎng)景中的自動(dòng)泊車。

NVIDIA DRIVE AV 軟件堆棧首先利用 WaitNet DNN、wait perception 堆棧以及 SignNet DNN 等技術(shù)實(shí)時(shí)檢測(cè)、跟蹤和分類各種停車交通標(biāo)志和道路交叉口。而后，將這些感知結(jié)果輸入 PSA 系統(tǒng)，PSA 系統(tǒng)接收到檢測(cè)到的停車標(biāo)志和道路交叉口后，會(huì)將對(duì)象抽象為一個(gè)“啟動(dòng)停車標(biāo)志”或“終點(diǎn)停車標(biāo)志”，并形成停車帶：

• 啟動(dòng)停車標(biāo)志體現(xiàn)了新停車帶的潛在起點(diǎn)

• 終點(diǎn)停車標(biāo)志表示一個(gè)或多個(gè)現(xiàn)有停車帶的終止位置

形成停車帶

上圖顯示了 PSA 系統(tǒng)如何將標(biāo)志和道路交叉口抽象為停車帶。該圖顯示，單個(gè)標(biāo)志可以生成多個(gè)虛擬標(biāo)志。例如，中間的符號(hào)作為最左邊符號(hào)的“結(jié)束”符號(hào)，作為最右邊符號(hào)的“開始”。此外，PSA 系統(tǒng)還可以利用交通標(biāo)志的語(yǔ)義將停車帶分為禁止停車、禁止停留、允許停車和未知狀態(tài)（如下圖所示）。

禁止停車區(qū)旁的汽車

下圖展示了 PSA 系統(tǒng)的主要功能工作流。在幀 A 中，PSA 系統(tǒng)能檢測(cè)到“停車區(qū)開始”標(biāo)志，并創(chuàng)建新的停車帶。汽車行駛一段時(shí)間后，能檢測(cè)到“停車區(qū)結(jié)束”標(biāo)志，該標(biāo)志與該停車帶的開始標(biāo)志相匹配。最后，PSA 系統(tǒng)將所有激活的停車帶存儲(chǔ)在其存儲(chǔ)器中，并根據(jù)停車帶所隱含的交通規(guī)則向駕駛員發(fā)出當(dāng)前停車狀態(tài)的信號(hào)。

PSA 的高水平工作

基于 NVIDIA DRIVE AGX 運(yùn)行的 PSA 系統(tǒng)僅需幾毫秒，就能夠以驚人的準(zhǔn)確性實(shí)現(xiàn)復(fù)雜的決策，以幫助自動(dòng)駕駛汽車提升自動(dòng)泊車功能。

以上就是本期全部?jī)?nèi)容。本次的自動(dòng)駕駛之旅到這里就暫告一段落了，該系列文章是以一輛自動(dòng)駕駛汽車的出行為導(dǎo)引，為大家介紹了 NVIDIA 在自動(dòng)駕駛各場(chǎng)景中所提供的解決方案與技術(shù)支持，希望大家喜歡！歡迎大家點(diǎn)擊“閱讀原文”，觀看更多 NVIDIA DRIVE Labs & Dispatch 視頻，持續(xù)關(guān)注 NVIDIA 在自動(dòng)駕駛領(lǐng)域的技術(shù)進(jìn)展。