Nexar宣布推出人工智能图像检索方法，实现城市更好的本地化

宣布一种可扩展的方法，大大提高城市地区的GPS定位精度。这家移动公司今天在计算机视觉和模式识别大会（CVPR）上展示了其创新方法，这是一年一度的计算机视觉年度盛会。

作为评估这种新的视觉定位方法的基准，Nexar还发布了基于来自其连接的车辆网络的匿名仪表盘和GPS信息的数据集和基准，以推进安全应用的视觉本地化研究。

通过将Nexar动力仪表相机与Nexar应用程序配对，驾驶员加入公司的全球安全驾驶网络，在周围的其他车辆的帮助下，每辆车都会在前方道路上发出警报。碰撞，交通，封闭的车道，前方危险的道路状况 – 这是一个信息共享的良性循环，旨在消除全球的碰撞。

为了提供这些重要警报，Nexar需要一种有效且准确的方式来实时了解车辆在路上的位置。在密集的城市环境中，GPS非常不准确，因为卫星信号经常被高层建筑（城市峡谷）阻挡或反射。这对车辆到车辆（v2v）安全应用提出了严峻挑战。 Nexar的新型人工智能图像检索算法将大大改善城市本地化，解决长期困扰乘坐运营商和导航应用以及自动驾驶汽车制造商的问题。 Nexar对纽约市超过250,000个驾驶时间的众包数据进行的研究发现，由于城市峡谷效应，至少有40％的游乐设施遭遇10米或更长的GPS误差。

Nexar的本地化方法基于其网络观察到的不断增长的新鲜道路图像数据库。目前，每月索引的新道路图像超过100亿，Nexar的网络提供了无与伦比的深度和新鲜度。 Nexar的方法解决了其他地图公司所带来的挑战，例如Google，它可以使用庞大的街景图像存储库，但缺乏Nexar提供的微小级别的新鲜度。

从技术上讲，为了解决卫星GPS的缺陷，Nexar开发了一种混合粗到精的方法，利用视觉和GPS定位线索。由Nexar的人工智能研究总监Ilan Kadar博士和首席科学家Trevor Darrell教授领导，该公司已经培训了一种深度学习模型，通过其大量的匿名图像存档来识别驾驶员的准确位置。该档案包括来自Nexar网络驱动的超过4亿英里的数十亿张这些图像。

Nexar的实验证实，这种定位方法在挑战城市环境方面非常有效，将定位误差的分布减少了一个数量级。此方法将用于向Nexar用户发送警报，包括前方道路上的危险交叉路口和碰撞。

“这种新的本地化方法使得Nexar能够实现我们的创始承诺，即帮助摆脱世界的冲突，”Nexar联合创始人兼首席技术官Bruno Fernandez-Ruiz说。 “而且这些好处将远远超出我们的网络 – 这种方法有朝一日可以让自动驾驶汽车可靠地驾驶城市。它与基于结构的技术（如激光雷达）一样精确且便宜得多，这些技术在规模上有限且计算成本高。所以潜力非常巨大。“