“特斯拉获新专利 采用视觉图像数据估计物体属性”

根据世界汽车信息，特斯拉日前获得了“利用视觉图像数据推断物体属性”的新专利，目的是降低自动驾驶车视觉传感器的价格和诸多复杂性。 这样，车辆就可以通过图像数据和机器学习，检测和解释与周围环境的距离。

(图像来源: teslarati )

该专利采用了两个神经互联网，只利用图像数据测量与物体的距离。 另一方面神经网络明确了物体和车载摄像机拍摄的图像之间的距离。 另一种神经互联网是以注释图像的形式，为前者制作培训资料。

在这项专利中，特斯拉表示，需要在不限制车载传感器捕捉和数据量解决的情况下，明确合适的传感器数量。 特斯拉表示，雷达、激光雷达、超声波传感器等视觉传感器的安装价格较高，将增加自动驾驶系统的“输入带宽要求”。 为了明确车辆和周围物体的距离，该专利对传感器和摄像机的平衡配置进行了说明。 这样，特斯拉就可以使用性能与业界领先企业相差无几的系统，从而将价值成本降至最低。

特斯拉表示:“随着传感器的数量和类型的增加，系统的多样性和价格也在增加。 另外，每次增加传感器时，自动驾驶系统的输入带宽要求都会增加。 因此，需要找到传感器的最佳配置，限制传感器的总数，不限制其捕捉数据的数量和类型，准确描绘周围的环境，安全地控制车辆。 ”

该专利还为特斯拉提供了自动标记视觉数据的方法。 由于标注是特斯拉fsd (全自动驾驶)开发过程中最耗时的部分之一，该系统有可能加速企业fsd和autopilot套件的开发和更新。

特斯拉还表示，“在各种实施方式中，辅助数据和视觉数据的收集和关联都是自动进行的，同时几乎不需要人工干预。 例如，利用视觉技术识别的物体不需要手工标记，大大提高了机器学习训练的效率。 训练数据自动生成，用于机器学习模型的训练，可以高精度地预测物体的属性。 ”

特斯拉专利中记载的结构将大幅提高fsd技术。 这种方法有可能减少特斯拉对传感器的依赖，增加从图像中提取的数据量，从而提高fsd测试版本的性能。