Det är många som är nyfikna på vad Apple håller på med inom fordonsområdet. Nu har två av deras forskare, Yin Zhou och Oncel Tuzel, skrivit en vetenskaplig artikel i webbtidskriften arXiv [1] [2] om att kunna identifiera objekt som cyklister och fotgängare med färre sensorer och en programvara som kallas VoxelNet.

Normalt använder självkörande fordon en kombination av 2D-kameror och LIDAR för objektidentifiering och positionering. Ett problem med dessa är att upplösningen är för låg att kunna detektera små objekt på stora avstånd. För att klara detta får man komplettera med en vanlig kamera.

Med VoxelNet säger Apples forskare att de kan få mycket bra resultat enbart med användande av bara LIDAR-data. Dock handlade det om simuleringar och inte tester i verkligheten.

Egen kommentar

Att kunna ”se” är förstås avgörande för självkörande fordon, och det går att klara med dyra lösningar med många sensorer. För att få ner kostnaden vore det bra om man kan klara sig med färre. Men samtidigt så finns det många situationer där LIDAR inte fungerar så bra som i dåligt väder. LIDAR är också en relativt dyr teknologi jämfört med radar och kameror.

Källor

[1] Stephen Nellis: Apple scientists disclose self-driving car research,  Reuters 2017-11-22 Länk

[2] Yin Zhou, Oncel Tuzel: VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection, 2017-11-17 Länk