lidar – NVIDIA 技術博客

用神經激光雷達場感知自動駕駛汽車仿真的新前沿

Thu, 27 Jul 2023 03:09:05 +0000

自動駕駛汽車（ AV ）的開發需要大量的傳感器數據來進行感知開發。開發人員通常從兩個來源獲得這些數據——真實世界驅動器的回放流或模擬。然而，真實世界的數據集提供的靈活性有限，因為數據僅固定于物理傳感器捕獲的對象、事件和視角。也很難大規模模擬真實世界條件的細節和缺陷，例如傳感器噪聲或遮擋。近年來，神經領域獲得了巨大的吸引力。這些人工智能工具捕捉真實世界的內容，并從新穎的視角以高逼真度對其進行模擬，實現了 AV 模擬所需的保真度和多樣性。在 NVIDIA GTC 2022 上，我們展示了如何利用神經重建技術，使用模擬中記錄的相機傳感器數據構建 3D 場景，并從新的視角進行渲染。我們在即將于 2023 年 10 月 2 日至 6 日舉行的 ICCV 會議上發表的論文中，詳細介紹了在合成激光雷達數據時，如何應用類似的方法來應對這些挑戰。

Source

]]>

使用 NVIDIA Isaac ROS 開發人員預覽版 3 構建高性能機器人應用程序

Tue, 18 Apr 2023 03:11:56 +0000

機器人的復雜性正在增加，具有更高的自主性、更多的傳感器數量和多樣性，以及更多基于傳感器融合的算法。硬件加速對于運行這些日益復雜的工作負載至關重要，從而使機器人應用程序能夠以更高的速度和能效運行更大的工作負載。 NVIDIA Isaac ROS的使命一直致力于為 ROS 開發人員提供開發高性能、節能機器人應用所需的加速計算包和工具 NVIDIA 還在 ROS2 中開創了加速計算的先河，并在每個版本中不斷改進。在過去的兩年里，已經添加了 20 多個硬件加速 ROS 包，并支持最新的 ROS 2 分發。該團隊去年與 Open Robotics 合作，包括自適應和類型協商，以提高提供硬件加速器的計算平臺上的 ROS 性能。他們還實施了 ISAAC ROS 的適應和類型協商，稱為 NITROS (NVIDIA Isaac Transport for ROS).

Source

]]>

NVIDIA Jetson 月度項目：一款 AI 驅動的自動微型賽車進入正軌

Wed, 25 Jan 2023 07:46:04 +0000

第 65 屆年度 Daytona 500 將于 2023 年 2 月 19 日舉行，對許多人來說，這場精英 NASCAR 賽事是賽車界的巔峰。目前，還沒有計劃看到自動駕駛汽車與有司機的汽車比賽，但在未來的比賽中想象這種情況并不太難。在 1 月初的 CES 上，有一場測試最佳自動駕駛賽車的比賽。為了實現這樣的愿景，您需要在引擎蓋下使用一些嚴肅的技術來為車輛提供動力并確保正確的軌道導航。出于這個原因，很容易理解為什么 3D 激光雷達是用于自動測繪和導航的主要工具之一。它對光線條件不敏感，可以通過反射通道檢測顏色，可以提供完整的 360 度環境視圖，并且不需要任何“學習”來檢測障礙物。來自激光雷達的點云信息也可以方便地實現地圖繪制和定位，因為車輛知道它在所有點的位置。但激光雷達價格昂貴且體積龐大，這限制了其對許多開發人員的實用性，

Source

]]>

使用 ROS 2 和 TAO-PointPillars 檢測點云中的對象

Fri, 30 Sep 2022 08:10:00 +0000

準確、快速的目標檢測是機器人導航和避碰的重要任務。自主代理需要一張清晰的周圍地圖，才能導航到目的地，同時避免碰撞。例如，在使用自主移動機器人（ AMR ）運輸物品的倉庫中，避免可能損壞機器人的危險機器已成為一個具有挑戰性的問題。本文介紹了一個 ROS 2 節點，用于使用基于 PointPillars 的 NVIDIA TAO Toolkit 預處理模型檢測點云中的對象。該節點將點云作為真實或模擬激光雷達掃描的輸入，執行 TensorRT 優化推斷以檢測該輸入數據中的對象，并將生成的 3D 邊界框作為每個點云的 Detection3DArray 消息輸出。雖然存在多個 ROS 節點用于從圖像中檢測目標，但從激光雷達輸入執行目標檢測的優點包括：通過使用激光雷達和相機的組合，可以使自主系統更加穩健。這是因為攝像機可以執行激光雷達無法執行的任務，例如檢測標志上的文字。

Source

]]>