感测器融合

在一辆车中,我们可以收集到各种不同感测器之数据,包含相机(camera)、雷达(radar)、惯性测量单元(IMU)、卫星定位(GNSS)、温度感测器(temperature sensor)、油压感测器(oil pressure sensor)、速度感测器(speed sensor)等。在新驰科技,我们专注于研发各种感测器数据之融合技术,弥补各个感测器不足之处,以得到更精确之测量结果,整合过的资料可以使用在各种面向之应用,如精准定位、驾驶控制、错误侦测等。
gallery/500854219 copy
gallery/400168798 copy

深度学习

收集了各种资料后,针对不同的应用场景,我们运用深度学习来侦测与识别需要之物品,例如:定位服务中识别车道线与交通号誌牌、自驾车控制问题中识别周遭车辆并预测他们即将行走之轨迹。然而,最大的挑战是:车内只有受限的运算资源,于是,如何重新设计模型,使得预测效果维持的同时能减少运算複杂度,是新驰科技着重的目标。

高精度地图建置

为了建构高精度地图,深度学习模型侦测出交通标誌与车道线,需要利用三角化之技术重建回三维空间。此外,由于新驰科技之道路资料是由众包(crowdsourcing)方式搜集而成,我们需要大数据的处理以及数据品质检测的机制,以合併来自不同车辆、不同角度、不同日期、不同天气状况下之道路资讯。
gallery/500340318 copy

©2018 GallopWave. All rights reserved

CONTACT  +886-2-7751-5858  12F-3., No.1, Songgao Rd., Xinyi Dist., Taipei City 11073, Taiwan