[討論] 光達與毫米波雷達 自駕技術的未來之戰

d8613518 03/25 11:11這樣打馬神跟信徒的臉很不厚道啦

bill97385 03/25 11:143個鏡頭？前中後？基本調查都沒做好就來評論？

l79cm 03/25 11:18知不知道人開車的反應時間是多少？看到不動手？

EddieJeremy 03/25 11:23曲博士的背景是??

dslite 03/25 11:24畫素太低的確可以嘴 但前三鏡頭的左右兩隻就等同於

dslite 03/25 11:24人的雙眼可以有距離資訊 486的eyesight也是這樣幹

dslite 03/25 11:24的

dslite 03/25 11:26畫素低就會造成看不夠遠 但他怎麼知道畫素多低？行

dslite 03/25 11:26車記錄器錄的不見得等於sensor的原始解析度啊

StarburyX 03/25 11:29光達要搭配高精地圖 這點就GG了啦 不是普遍方案

StarburyX 03/25 11:29要用高精地圖 注定只有在地車企能做

StarburyX 03/25 11:30沒有國家會讓其他非本國車企掌握高精地圖的

StarburyX 03/25 11:31Tesla的視覺辨識 神經網路訓練才 有可能 成功

StarburyX 03/25 11:31只能說 有可能 成功

StarburyX 03/25 11:31如果像waymo這樣 我就是只做一個區域 也行

StarburyX 03/25 11:32看車企的目標擺在哪 就會決定往哪走

StarburyX 03/25 11:33高精地圖精密到幾公分的程度 這資安問題太嚴重

dslite 03/25 11:34深度跟ai完全無關吧 他在鬼扯什麼

StarburyX 03/25 11:34光達 目前都是要搭配 高精地圖 這是很棒的區域解

l79cm 03/25 11:34現在硬體的神經網路影像輸入解析度都不會太大，放4

l79cm 03/25 11:34K sensor最後也要縮小再餵入，光達掃出來的矩陣解

l79cm 03/25 11:34析度也很低

dslite 03/25 11:35深度是純光學跟數學

StarburyX 03/25 11:36沒錯 深度學習是純光學+數學

sk2g 03/25 11:37如果搭配Garmin的圖資

plug 03/25 11:41光達+高速晶片，車可能直接產生智能視覺+高精地圖

StarburyX 03/25 11:42高精地圖跟garmin或估狗圖資等級差太多

plug 03/25 11:42就看車商要否把資訊上傳變資料庫，地圖商死光光

zyx12320 03/25 11:42這些都是幾年前就知道的東西了..

StarburyX 03/25 11:43p光達的目的是判斷車在高精地圖上的哪一點用

StarburyX 03/25 11:44高精地圖的產生可能不是你開過去 就有的

StarburyX 03/25 11:44高精地圖準確度達到幾公分的等級

StarburyX 03/25 11:45目前汽車車上晶片的算力 是沒辦法達到這種程度的

StarburyX 03/25 11:45特斯拉深度學習也是用dojo超級電腦訓練

DYE 03/25 11:46主要還是電腦對圖形判斷太差

StarburyX 03/25 11:46跟車上的晶片沒什麼關係

DYE 03/25 11:47兩歲小朋友，只要幾筆畫的圖，就能說出是貓狗

plug 03/25 11:47自駕不需要全部地圖，只要知道是路+可以通過，其他

plug 03/25 11:47走線可用舊圖資

DYE 03/25 11:47電腦需要大量數據還沒辦法快

StarburyX 03/25 11:48plug大 不行 你這樣就是特斯拉的方案

DYE 03/25 11:49所以人可以輕易判斷什麼是白色貨車，什麼是天際線

DYE 03/25 11:49電腦一出錯就撞

plug 03/25 11:49車載光達即時製作路面環境給AI判斷能不能過就好

StarburyX 03/25 11:51AI判斷 就是特斯拉現在在做得 怎麼判斷？訓練！

zyx12320 03/25 11:51內文都過時資訊 S大推的才是目前各方案的現況

plug 03/25 11:51現在很多公司用點雲建立機器視覺了，即時路面環境

StarburyX 03/25 11:51AI能不能訓練成功？ 天知道

plug 03/25 11:52不是問題

plug 03/25 11:53現在感測器可以一直裝，就看晶片多快算出視覺

plug 03/25 12:01把空載光達位態同步與計算晶片作一起放車上

plug 03/25 12:11陣列式光達鏡頭已經大幅降價，要多裝不是問題

dix 03/25 12:12曲建仲 成大化工學士 清大材料碩士 台大電機博士

dix 03/25 12:13德儀資深工程師

LimYoHwan 03/25 12:14https://youtu.be/MvWWHgNm0_w

LimYoHwan 03/25 12:15高精度地圖誰來維護啊 花多少錢？ waymo走不出鳳

LimYoHwan 03/25 12:15凰城 還看不出來嗎？

LimYoHwan 03/25 12:17Tesla不是用3鏡頭 曲低能 做好功課再來

TaiwanNeko 03/25 12:21軟體才是關鍵

l79cm 03/25 12:24影片有解釋下雨光達就失效基本還是視覺作用，那下

l79cm 03/25 12:24雨可以自駕為何晴天就不能？精度較低不等於不能

StarburyX 03/25 12:29幫Lin大補充一下 Tesla是用8顆鏡頭在訓練

plug 03/25 12:34目前來看，混合影像+光達較能面對環境變數

l79cm 03/25 12:38樓上從哪裡看出來的

StarburyX 03/25 12:44plug大 完全誤會這些東西的能力了 有空我發一篇

plug 03/25 12:46除了天氣，光達有反射率的差異，辨識距離會縮短，

plug 03/25 12:48還有噪訊，都會環境單純，在鄉村會搞死AI

plug 03/25 12:49舉例，90度正面，光達看鐵門300米、混凝土150、土

plug 03/25 12:54牆60，若時速90，偵測到牆要AI多遠開始煞車到停？

plug 03/25 12:59有勞S大，我只是對air bone 跟TSLR應用有興趣

lycosidae 03/25 13:02他的youtube 有很多謬論 當科普看就好

chandler022703/25 13:24主要還是在感知這塊，電腦遠不如人類，電腦99%情況

chandler022703/25 13:24做得比人類駕駛好，但還是卻會發生離譜錯誤

motan 03/25 13:25摻在一起就好啦，沒有影像辨識怎麼可能完全掌控路況

chandler022703/25 13:29主流是多感應器融合(sensor fusion)，Tesla擺明不

chandler022703/25 13:29用lidar，那在視覺無法辨識&濾掉毫米波雷達的靜止

chandler022703/25 13:29物量測資訊下，就變成災難啊

chandler022703/25 13:32視覺在lane tracking的應用上就很成功，但全都丟給

chandler022703/25 13:32視覺&深度學習，有夢最美囉

plug 03/25 14:18看到白灰的翻覆貨車頂以為是天空就不意外了

DaveLu 03/25 16:41特斯拉的戰略蠻正確的,lidar又貴整合難度又高,

DaveLu 03/25 16:42裝這個根本拖累上市時程,至於少裝的後果就打媒體戰

DaveLu 03/25 16:42解決就好

bill97385 03/25 19:23Lidar也不是萬靈丹啦！即時有lidar資訊，還是需要

bill97385 03/25 19:23去做後處理跟分類！一樣會有分錯類的可能性

wellkom 03/26 12:45我猜馬斯克打的算盤是幾年之後顯卡晶片效能滿出來

wellkom 03/26 12:46所以他的演算法賭的是軟改硬幹

wisdom 03/26 17:34影像辨識解析度會影響判斷結果沒錯，但是電腦需要的

wisdom 03/26 17:34解晰度比你想像的要低很多就能正確判斷。人眼看起來

wisdom 03/26 17:35根本馬賽克的東西只要training正確，ANN判斷的正確

wisdom 03/26 17:35率高的讓人莫名其妙。而實際上要拉高影像解析度以現

wisdom 03/26 17:35在的技術根本也沒有太多難度，ANN即時辨識的運算需

wisdom 03/26 17:35求也根本不龐大（運算慢是在training）。所以特不拉

wisdom 03/26 17:36高光學解析度，並不是技術難以克服，更多是不需要

wellkom 03/26 17:43應該是說解析度高反而增加 training 的成本與困難度

wellkom 03/26 17:43只要對物體有一定程度的辨別度，解析度是越低越好

answermangtr03/27 11:55光達是Lidar嗎