瞭解機器感知：LiDAR、3D視覺和地理空間AI
2022-12-19
作者
Stefani Munoz，EE Times美國版編輯
隨著人工智慧和物理世界的交叉，以及自主技術採用的增加，有人可能會提出質疑，機器及其目前脆弱的模型如何能以人類的方式感知世界…
隨著人工智慧(AI)和物理世界的交叉，以及自主技術採用的增加，有人可能會提出質疑，機器及其目前脆弱的模型如何能以人類的方式感知世界。借助諸如光達(LiDAR)、雷達和攝影機等自動駕駛車上所使用的感測器技術，機器已開始能收集即時資料來為決策提供資訊，並適應現實世界的場景。
感測器技術已經深深融入我們的日常生活，以至於我們可能低估了它們的影響。以恆溫器為例：只需稍加調整，這種基本的感測器技術就能盡職盡責地將家庭和辦公室保持在理想的溫度，而無需太多人工干預。
然而，在後台，恆溫器依賴雙金屬機械式或電子式感測器，利用熱膨脹來測量溫度，然後根據所需的溫度操控電路而對暖通空調進行開關。這只是利用各種感測器改善我們的生活的一個小例子。
自動駕駛車的光達和雷達感測器
最近，汽車製造商一直在借助感測器推動全自動駕駛。一些公司專門製造光達感測器來協助目標檢測。
美國Hughes Aircraft因在1960年初導入光達技術而廣受讚譽，這項技術最初用來實現衛星跟蹤——工程師借助雷射聚焦成像就可以實現距離計算。
今天，許多公司正在採用直接飛行時間(dToF)光達感測器，其原理是利用雷射器來發射光波脈衝，然後當這些脈衝遇到周圍環境和障礙物後就會發生反彈。然後，光達就可以測量這些脈衝返回所需的時間，從而確定感測器和物體之間的距離。光達感測器還能夠在光波撞擊到物體表面時創建它們的3D影像。
在現實世界的場景中，許多公司都將光達用於各種應用，使機器能夠感知周圍的世界，包括倉庫管理、先進駕駛輔助系統(ADAS)、建築專案、污染建模等。Mobileye和Daimler等公司正在其自動駕駛原型中實施光達技術。
例如，Mobileye最新的EyeQ Ultra SoC使用了稱為XNN、PMA、VMP和MPC的四類專有加速器，它們又依賴兩個感測子系統：一個只有攝影機的元件，以及另一個雷達和光達的組合。Mobileye聲稱，EyeQ Ultra SoC將實現自動駕駛的Level 4駕駛——SAE將其定義為在特定條件下無需人工干預即可執行所有駕駛功能的車輛。然而，如果不滿足這些條件，則駕駛就必須控制車輛。
圖1：行動中的Amazon自主機器人Bert。
(來源：Amazon)
在現實世界場景中採用光達的另一個的例子，是亞馬遜(Amazon)的自主機器人：Bert、Kermit和Ernie。Bert使用光達技術在整個Amazon倉庫中對其進行引導，從而避開其他自動駕駛機器人、工人和機器等障礙物(圖1)。
製造商也在使用光達來改善他們的物流鏈，依靠自主機器人來最佳化履行和配送流程。
機器人的3D視覺
在工業和汽車用例中採用光達技術所取得的成功有限。因此，工程師們意識到完全自主的機器是一種需要更可靠AI和機器學習演算法的複雜技術。這就是3D視覺可以協助提高自主性的地方。
3D視覺通常用於工廠自動化應用，如拾放機器人。這些機器依賴於3D快照感測器，從而使機器人能夠從本質上檢測物體，而不管其位置如何，這意味著它可以檢測物體是平放、直立還是處於懸掛位置。
圖2：這張Seoul Robotics的插圖描繪了其SENSR軟體的功能。
(來源：Seoul Robotics)
3D掃描和檢測開發商LMI Technologies開發了自己的3D感測器版本Gocator 3000。該感測器依賴於使用藍色LED結構光的條紋投影，並結合了多種3D測量工具和決策邏輯。結合這些技術，感測器就可以掃描和檢查任何具有走走停停運動的物體，從而實現品質控制檢查和自動化組裝。
還可以用3D視覺來處理光達感測器所收集的資料，從而渲染其所掃描環境的詳細影像。3D視覺電腦軟體公司Seoul Robotics在2021年1月在美國發佈了其首款3D視覺軟體(圖2)。這款軟體依賴於該公司基於機器學習的SENSR軟體，從而使3D感測器本質上成為了物聯網裝置。這家韓國公司聲稱感測器可以分析和理解從車聯網通訊、交通安全技術、零售分析和智慧城市所收集的3D光達資料。
地理空間AI
一些觀察人士預測，基於位置的地理空間AI代表著機器學習的下一大步，這使機器能夠收集即時地理資料，從而指導決策和預測分析。地理空間AI的用例包括物流、農業和基礎設施。
地理空間AI結合了空間科學、深度學習、資料採擷和高性能運算來收集和分析由機器網路所收集的空間資料。地理空間AI還依賴使用者資料來訓練提供推理和預測能力的演算法。
例如，Uber和Lyft等公司依靠地理空間AI應用程式，根據客戶提交的資訊提供預計到達時間。Waze和Apple Maps等GPS應用程式也依賴地理空間AI，根據交通分析軟體和使用者輸入，為駕駛提供到達目的地的最快路線。地理空間AI也正在物流和供應鏈流程中得到實施，以使製造商能夠獲得及時的交付資料。
(參考原文：Understanding Machine Perception: Lidar, 3D Vision and Geospatial AI，by Stefani Munoz)
本文同步刊登於《電子技術設計》2022年12月號雜誌
