☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
今年1月的消费电子展引发了未来几年自动驾驶汽车进入汽车市场的新浪潮。人们的大部分注意力都集中在这些车辆的技术上。然而。嵌入道路基础设施的技术也促使服务提供商和市政当局之间进行更多讨论。
随着人工智能和 5G
网络连接的进步，智能道路基础设施技术有望被添加到美国许多不同的道路、桥梁和其他交通系统中，以期改善实时交通分析并应对最具挑战性的道路安全和交通管理问题。本次讨论的核心技术之一是当前使用 AI 增强相机以及未来对 LiDAR 技术的承诺。
人工智能将增强相机传感性能
如今，仅在美国就部署了数十万台交通摄像头，如果考虑到闭路电视摄像头，甚至还有数百万台。它们主要用于道路监控和基本的交通管理应用(例如循环仿真)。然而，将 AI 的最新进展引入这些资产可以立即提高基本应用程序性能并解锁更高级的软件应用程序和用例。
与传统相机中的传统计算机视觉技术相比，人工智能和机器学习提供了卓越的传感性能。它们通过能够自动适应各种照明和天气条件的算法，对所有道路使用者进行更稳健、灵活和准确的检测、跟踪和分类。此外，它们还具有预测能力，可以更好地模拟道路使用者的运动和行为，并提高道路安全。市政机构可以立即受益于人工智能增强型摄像头，其应用包括道路冲突检测和分析、行人过路预测以及用于 AV 部署的基础设施传感。
LiDAR 技术无法完全取代摄像头LiDAR 可以提供与相机互补且有时重叠的价值;但是，仍然存在一些安全关键的边缘案例，其中 LiDAR 技术表现不佳(包括大雨和大雪)，并且相机已被证明更好。此外，由于高单价和有限的视野，今天的激光雷达技术大规模部署仍然很昂贵。例如，在一个路口部署多个 LiDAR 装置需要巨额投资，而一个 360 度 AI 摄像头可能是更具成本效益的解决方案。
对于许多注重预算的社区来说，人工智能增强型相机仍然是当今经过验证的首选技术。随着时间的推移，随着 LiDAR 技术成本的降低，社区应评估使用此类传感器增强其基础设施。
最终，传感器融合将带来强劲的结果
当 LiDAR 技术的成本最终达到预期的降低时，它将被视为对当今安装的 AI 增强相机的强大且可行的补充。与自动驾驶汽车类似，传感器融合将成为智能基础设施解决方案的首选方法，并使城市能够最大限度地利用这两种技术的优势。 (传感器融合是将来自多个 LiDAR、摄像头、雷达、CCTV 和其他来源的数据输入整合在一起形成单一环境模型或图像的能力。)
今天使用具有成本效益和性能的人工智能摄像头，再加上未来几年LiDAR的巨大潜力，可以帮助社区和市政当局实现今天和明天的双赢局面。
归根结底，目标是改善整体交通流量，减少车辆碰撞和死亡人数，但技术和实施战略必须是正确的。监控我们道路的技术也需要改变，因此需要考虑今天使用人工智能支持的摄像头，并有望在明天使用LiDAR。
