fatfellow wrote:
不值得浪費我的時間
不要在浪費我的時間跟版面空間
你都說我是小丑了 ， 我到是很享受 有人 氣噴噴地
個人積分：197分
文章編號：78888905
個人積分：8687分
文章編號：78888972
fatfellow wrote:
沒有 stereo vision 你怎樣去量物件的距離跟大小？
請參考《Autopilot》AK談論AP開發細節 (2020/02)
不需光達，以單一鏡頭的影像就能準確判斷周遭環境的「深度」(距離)
https://fb.me/TeslaHere｜TESLA知識家
個人積分：2124分
文章編號：78889354
個人積分：2124分
文章編號：78889430
個人積分：2124分
文章編號：78890484
小人物櫻木 wrote:
請參考《Autop...(恕刪)
https://scale.com/blog/is-elon-wrong-about-lidar
看得懂英文
可以讀一下
就可以知道用 stereo camera 來預估 point cloud data 是一件多蠢的事
個人積分：197分
文章編號：78892410
個人積分：197分
文章編號：78893615
個人積分：938分
文章編號：78893975
個人積分：2124分
文章編號：78901368
個人積分：8014分
文章編號：78901809
306XR wrote:
我只看到了用鏡頭方案(恕刪)
其實是看用在什麼地方。
Points Cloud Data 也不是什麼新技術，早在20年前，Siggraph 就已經很多paper提出了，他就是一個資料儲存技術而已， 所以如果是用來建立3D地圖，那麼用什麼都沒差，因為不是即時建立，都是得把資料送上雲端，再經由AI做比對後矯正真正的地圖，以現在或是未來的趨勢，這資料都會是open 的，共享的。開放給各家去使用。就跟google map一樣。
至於自動駕駛部分的話，抓的是每個物件的bounding box,不是每個物件的 surface points,所以怎麼快速判斷物件的分類與定義每個物件的bounding box,才是重點。光達有他的物理限制在，舉例來說，目前低價的都是以線型排列然後做一個傘型逐步掃描，所以要夠快，你掃的傘型區域速度要夠快，而且距離越遠，精細度得細分到多少度以下才夠也是個問題，這部分目前的物理特性跟價格都需要克服，才能真的取代鏡頭的。
使用鏡頭的最大好處價格不用說，另外大量的open source 可以使用也是他的優點。缺點就是，在影像辨識的演算法不夠全面時候，會有誤判的可能。
所以相信後續的發展，應該會是兩者並用。長期發展的話應該會是以apple iPad pro那種陣列式高密度的光達為主吧，不過首先可能得克服價格跟能耗吧。
不管怎麼樣，特斯拉目前的系統的確是不太可能做到100%的正確性，但是已經能非常有效且大幅度的提升駕駛的方便性，以及大幅降低人為的誤判，那就已經是成功了，要不然等其他家擠牙膏式的一點一點的放東西，再十年搞不好能給你到LV3就已經不錯了。想想那幾家傳統車廠，光是一個ACC就放的不甘不脆了。
