欧洲的一家互联汽车应用供应商，例如中东的Nissan Smart Car应用程序和俄罗斯的KIA Remoto应用程序，宣布推出了具有通过计算机游戏和实际示例进行训练的神经网络的自动驾驶汽车解决方案。Remoto Pilot是一种新的自动驾驶汽车解决方案，具有安全，可靠的道路/车道跟踪功能，可以实时检测并避免各种障碍物，例如汽车和行人。Remoto Pilot的高效自动驾驶能力的关键使能技术是将立体视觉与基于神经网络的高级计算机视觉算法结合使用。结合全球导航卫星系统(GNSS)和高清(HD)地图的使用，该技术使全自动驾驶汽车成为可能。

目前，Bright Box的主要产品是Remoto，这是一个交钥匙的联网汽车平台，可帮助车主通过智能手机(启动引擎，打开/关闭车门，跟踪汽车)远程管理汽车，为汽车和保险业提供大量数据。公司，包括有关汽车故障，行驶里程，驾驶员行为，道路交通事故等的信息。公司的客户包括日产，丰田，起亚，英菲尼迪等汽车制造商。

游戏图片今天，该公司宣布推出自动驾驶解决方案，该解决方案旨在作为现有汽车的改装套件。

带有深度学习的卷积神经网络(СNN)等先进的计算机视觉技术与立体视觉相结合，可以大大提高自动驾驶汽车的性能。该技术可实现安全，可靠的道路/车道跟踪，实时检测并避免各种障碍物，例如汽车，行人等。

立体视觉的使用(一对安装在汽车上的摄像机)可以计算到摄像机视场中各种物体的距离。因此，可以通过汽车的车载计算机实时评估道路状况。

神经网络的训练涉及使用预先计算的代表性路况视频样本集，称为训练数据集。

用于神经网络训练的一种非常了不起的现代技术是计算机游戏中使用的3D计算机图形。从GTA-V等这类游戏中，很大一部分涉及在城市街道上驾驶，而从驾驶室内部观看时，它们具有大量极为逼真的城市街道景观，这使其成为非常有价值的游戏资源。可用于生成训练数据集的高保真图像。

下面显示了从GTA-V计算机游戏生成的训练数据集的两个示例。

原始源图像(如左图所示)用于告诉神经网络道路场景中的各种对象的外观，而带注释的图像(如右图所示)用于告诉神经网络对象在哪里。 。

从在真实道路上行驶的真实汽车上安装的车载摄像机记录的真实生活训练数据集也用于神经网络训练。下面显示了来自现实生活训练数据集中的一对图像示例。

现实生活中的训练数据集，以及从计算机游戏中生成的综合数据集，构成了一套非常有效的训练样本集，用于训练神经网络以高效地分析现实生活中的路况，从而为安全可靠的自动驾驶提供了基础城市的街道。

这种方法的一大优势是神经网络算法固有的灵活性。虽然在表示数量有限的道路情况的有限数量的样本上训练神经网络，但它可以正确地分析在很多方面与训练样本不同的大量道路情况。

还可以使用训练数据集对神经网络进行训练，以测量从一对立体摄像机到各个对象的距离，该训练数据集包括从安装在真实道路上行驶的真实汽车上的立体摄像机记录的多对图像。

自动驾驶汽车中使用的一种常见传感器是激光雷达(激光扫描仪，用于测量与周围物体的距离)，通常安装在汽车的屋顶上。

立体摄像机的使用是激光雷达的替代选择。立体相机和激光雷达都可测量到物体的距离，并可用于生成可用于汽车轨迹规划的深度图。

该公司高度重视先进的计算机视觉技术的使用，旨在开发可消除使用激光雷达需求的技术。

结合使用全球导航卫星系统(GNSS)和高清(HD)地图，这项先进的计算机视觉技术使全自动驾驶汽车成为可能。

OEM解决方案

“我们在用于远程汽车控制和250,000多辆汽车联网的互联汽车解决方案方面拥有成功的经验。今天，我们与全球(欧洲，中东，亚洲)OEM的广泛客户群合作。该公司已经在与OEM及其合作伙伴协商解决方案供应，并希望将来增加该公司的合作伙伴数量。Bright Box的首席技术官亚历山大·迪姆琴科(Alexander Dimchenko)表示：“我们还提供基于订阅的商业模式，而无需为OEM支付大量研发费用。