重要的是，自动驾驶汽车必须迅速检测出其他汽车或共享道路的行人。卡内基梅隆大学的研究人员表明，他们可以通过帮助车辆识别看不到的东西来显着提高检测精度。

就是空的空间。

视线中的物体可能会使您看不到更远的物体的事实对于人们来说是显而易见的。但是胡佩云博士CMU机器人学院的一名学生说，这并不是自动驾驶汽车通常会思考周围物体的原因。

相反，他们使用来自激光雷达的3D数据将对象表示为点云，然后尝试将这些点云与对象的3D表示库进行匹配。胡说，问题在于，来自车辆激光雷达的3D数据并不是真正的3D-传感器无法看到物体的被遮挡部分，而当前的算法也无法推断出这种遮挡。

胡说：“感知系统需要知道它们的未知数。”

Hu的工作使自动驾驶汽车的感知系统能够考虑可见性，因为它是其传感器所看到的原因。实际上，公司制作数字地图时已经使用了有关可见性的推理。

机器人副教授，CMU Argo AI自主车辆研究中心主任Deva Ramanan表示：“地图构建从根本上解释了什么是空的空间以及所占据的空间。”“但是，对于以交通速度移动的障碍物进行实时实时处理并不总是会发生这种情况。”

在即将于6月13日至19日举行的计算机视觉和模式识别(CVPR)会议上进行的研究中，Hu和他的同事们从地图制作中借鉴了一些技术，以帮助系统在尝试识别对象时推理可见性。

根据标准基准进行测试时，CMU方法的性能优于以前的顶级技术，将汽车的检测率提高了10.7%，行人的检测率提高了5.3%，卡车的检测率提高了7.4%，公交车的检测率提高了18.4%，拖车的检测率提高了16.7%。

先前系统可能未考虑可见性的一个原因是对计算时间的关注。但是胡说，他的团队发现这不是问题：他们的方法只需要24毫秒即可运行。(为了进行比较，激光雷达的每次扫描为100毫秒。)

除了Hu和Ramanan之外，研究团队还包括Argo AI的Jason Ziglar和机器人技术助理教授David Held。Argo AI中心支持了这项研究。