近日，英国剑桥大学的一个团队研发出了适用于无人驾驶汽车的图像识别系统SegNet系统和PoseNet系统。该系统能够让汽车拥有和人类一样的“眼睛”，能够精确定位和识别所“看”之物。

据了解，关于无人驾驶汽车对周边物体的感知，传统的思路是使用雷达传感器，或雷达与LIDAR（一种遥感技术）相结合的设备，但是这些设备价格非常高，所有设备加起来甚至比整辆车还贵。这对于无人驾驶技术的快速发展非常不利。而剑桥大学研发团队的SegNet系统避开了这些昂贵的设备，利用传统的相机来实现对周围物体的识别。它能拍下街景照片，实时将照片中的物体分成12个类别，例如路面、路标、行人、建筑物和骑自行车的人等。它能应对不同的光照和阴影条件，以及夜间环境，标记像素的准确度达到90%以上。

由于SegNet系统测试的大多是高速公路或城市环境，而对乡村、雪天和沙漠还缺乏足够的训练，所以这个系统但目前还不能直接用于无人驾驶汽车或卡车，但是它可以用于警示系统，与目前一些轿车上所使用的防撞技术相类似。

PoseNet系统和SegNet系统相似，都需要对图像进行识别。PoseNet系统是一个可以根据拍摄的照片进行精确定位的系统，该系统通过一张224x224RGB的图像识别出用户的位置和方向。

这个系统定位的精确度可以达到：室外环境下，精确度为2m和3°；室内环境下，精确度为0.5m和5°。

相较于GPS定位，这个精确度要高出许多，并且PoseNet系统克服了GPS的弱点：在没有信号的地方，例如室内、隧道或GPS信号不好的城市，GPS无法定位。这些对于PoseNet都不是问题。 

与SegNet系统一样，PoseNet系统也需要深度训练，以及强大的数据库支持。

PoseNet团队成员Kendall说：“近年来，人工智能和机器人的发展非常迅速。而我们团队最酷的地方就在于开发了一个使用深度学习的技术来识别你的位置和周围的物品——这是深度学习第一次被用来做这样的事。”、

（信息来源于新华网，由物流搜索我整理发布）