如：本田雅阁减振器，美丽307刹车片 (撑持拼音) 例如：可输入厂商德律风、联系人、地址、公司名等

苹果首席履行官库克曾公然评论过苹果正在进行主动驾驶相干工作的研发，而此刻两位苹果科学家在一篇最新的研究论文中深切介绍了苹果在主动驾驶范畴的最新研发功效。这篇论文介绍了苹果若何经由过程激光雷达与其他手艺的连系，用来进行3D物体的探测。

这篇论文是由苹果公司的人工智能研究员Yin Zhou和机械进修研究科学家Oncel Tuzel配合撰写。这两位科学家都在客岁插手苹果，而且专门负责帮忙苹果研发主动驾驶手艺。

这篇论文具体注释了在主动导航、机械人手艺等范畴若何切确的探测到四周情况中的3D立体方针。

在很多利用场景中，正确的检测到3D点云中的对象是一个焦点问题。好比主动导航、机械人、和加强实际/虚拟实际手艺。为了将高度激光雷达点云与一个区域的RPN联系起来，年夜大都现有的研发精神都集中在手动检测特点上，好比近似在鸟类的眼睛投射视图。

在这项工作中，我们消弭了对3D点云的人工智能特征需求，而且提出了一个通用的三维检测收集，将特点提取和鸿沟猜测同一到一个零丁的阶段，操纵E2E练习深度收集。

另外，这篇论文还展现了上述手艺若何利用在对汽车、行人和骑车人的检测基准。具体来讲，泛亚电竞这篇论文提出了一种替换方案，在基在LiDAR三维检测中进行手动查抄。

年夜大都现有基在LiDAR的3D探测方式都依靠在手动特点调集，例如俯瞰视图投影。在这里我们消弭了手动检测的瓶颈，而且提出了Vox-elNet概念，这是一种基在点云的3D检测手艺，是一种全新的E2E练习深度架构。

我们的方式可以直接在稀少的3D点阵长进行操作，而且能有用的捕获3D外形信息。同时还供给了有用的VoxelNet，来实现从稀少的点云中进行归并处置。

Zhou和Tuzel都认为，它们的实验道理代表了3D物体探测的将来，在检测汽车、自行车和行人的时辰，比其它类型的手艺供给了更好的成果。

“我们在完成汽车探测使命上注解，VoxelNet是最早进的基在激光雷达的3D探测方式，在更具有挑战性的使命上，好比对行人和骑车人进行3D检测，VoxelNet也展现了使人兴高采烈的成果，注解可以或许实现更好的3D结果。”