2018年10月24日(水)

人工知能が走行制御 進む自動運転車の「スパコン化」
宮本和明 米ベンチャークレフ代表

(2/4ページ)
2015/3/4 7:00
保存
共有
印刷
その他

下の写真は、道路を横断している歩行者を認識する様子である。写真左の消火栓の近くにいる歩行者は、全身が見えており、従来モデルでも把握できる。一方、写真右の歩行者は、一部が自動車の陰に隠れ、従来モデルでは歩行者と認識しない。Deep Neural Networkを使うと、頭部や脚部を認識し、このオブジェクトは歩行者であると判断する。

写真右側にいる、体の一部が自動車に隠れた人も歩行者と認識(出典: NVIDIA)

写真右側にいる、体の一部が自動車に隠れた人も歩行者と認識(出典: NVIDIA)

■夜間ドライブでも正しく判定

Nvidiaは、実際にビデオ撮影をしながら市街地を走行し、その映像をDrive PXで処理した結果を公開した。リアルタイムでの処理ではないが、Drive PXでDeep Neural Networkを使うと、どんな利点があるかを理解できる。

下の写真は自転車に乗っている人(右端の緑色の箱)の事例で、一部がパトカーや消火栓の陰で見えなくても、システムは正しくサイクリスト(自転車の運転者)と判定した。Deep Neural Networkの威力が分かる。

自転車に乗っている人も認識(出典: NVIDIA)

自転車に乗っている人も認識(出典: NVIDIA)

Deep Neural Networkは、一般にオブジェクトの認識が難しい夜間走行でも威力を発揮する。下の写真は、英国における夜間ドライブの様子。街路灯などでオブジェクトの判定が難しいなか、システムはスピードカメラを検出(右端の緑色の箱)し、さらに速度標識も認識(中央部の緑色の箱)した。

夜間でもスピードカメラや標識などを認識(出典: NVIDIA)

夜間でもスピードカメラや標識などを認識(出典: NVIDIA)

速度標識は50Hz(毎秒50回)で点灯している。一方、カメラの撮影サイクルは30Hz(毎秒30コマ)で、イメージを上手く取り込めないこともある。しかしDeep Neural Networkを使うと正しく認識できた、としている。

左端には「Queue(キュー)」というメッセージが表示されているが、この文字も認識した。「この先渋滞」という意味で、少し走ると実際に渋滞に差し掛かり、前の車がブレーキを踏むとそれを正しく検知した。このように、Deep Neural Networkは複数のクラスを同時に認識できる点に特徴がある。

  • 前へ
  • 1
  • 2
  • 3
  • 4
  • 次へ
保存
共有
印刷
その他

日経BPの関連記事

関連企業・業界 日経会社情報DIGITAL

電子版トップ



[PR]

日本経済新聞社の関連サイト

日経IDの関連サイト

日本経済新聞 関連情報