无监督预训练 现有的无监督点云预训练
百度机器人与自动驾驶研究实验室将在这两次会议上发表五篇研究论文。这些论文包括基于激光雷达和立体感知的新进展，这些进展允许自动驾驶车辆进行先进的传感以查看周围环境，以及创建类人学习模式以提高机器人挖掘机的效率。 这些研究创新集中体现了百度在推进交通和工程机械自动化技术方面的最新努力，旨在引导人类与世界的互动走向更美好、更安全、更绿色的未来。 自动驾驶将通过减少伤亡和道路拥堵对我们的社会产生深远的影响。百度机器人出租车目前已在 多个城市运营，截至 年 月已累计乘坐 万次。重型建筑和采矿业也迫切需要自动化，因为危险和有毒的工作环境导 电话号码列表 致该行业面临招聘短缺。去年，百度推出了用于物料装载任务的自动挖掘机系统。这一发展背后的研究发表在、等期刊上。因此，多家全球领先的工程机械公司和最终用户已采用来实现传统重型工程机械的自动化。已在现实世界中使用超过 小时。 口头演示论文：立体匹配的金字塔组合和扭曲成本量 左：跨域泛化评估，与其他方法相比，所提出的 立体匹配方法可以为无纹理道路区域生成更平滑的视差图。 右图：基于 的重建环境的可视化。
https://static.wixstatic.com/media/3a97ba_872891d096ca44ea9974c9e8c3b4ca52~mv2.jpg/v1/fill/w_739,h_413,al_c,lg_1,q_80,enc_auto/3a97ba_872891d096ca44ea9974c9e8c3b4ca52~mv2.jpg
深度传感在许多计算机视觉应用中发挥着核心作用。事实上，数据的可用性可以提高自动驾驶、和机器人导航等任务解决方案的有效性。主动 D 传感器具有众所周知的缺点，可能会限制其实际可用性：例如，价格昂贵且仅提供稀疏测量，而结构光的工作范围有限且主要适用于室内环境。相比之下，从图像推断深度的被动技术由于其成本低且易于部署，适用于更多场景。其中，双目立体 估计校正图像对之间的视差图 已成为活跃研究中的热门课题。
頁:
[1]