分享
Scan me 分享到微信

最具“争议”的激光雷达创业者熊彪:创新算法不惧众议

直面众议,他将如何“洗白”自己?

  一个月以前,一篇文章引发多方的讨论,一种算法受到多位行家的热议,一家初创企业及其创始人得到了前所未有的关注。

  这位曾站在风口浪尖上的创业者站了出来,直面众议,力求从技术角度剖析解读其算法的独创性,解答公众的疑问,也“洗白”自己。值得一提的是,他还将出席6月15-16日在京举办的WGDC2016地理信息开发者大会上进行演讲。

泰伯网

  他叫熊彪,DIPPER公司创始人,激光雷达领域的博士,毕业于荷兰屯特大学的地理信息科学与地球观测学院,早年曾就读于武汉大学。

  2003年,熊彪进入武汉大学测绘学院学习测绘工程专业。他表示,在受到测绘工程的整体训练,有一个全面基础后,对摄影测量这个方向产生浓厚兴趣。本科毕业后,他进入武汉大学的遥感信息工程国家重点实验室深造,在江万寿教授指导下攻读硕士学位。遥感实验室治学严谨,视野开阔,并提供了许多国家重点项目的实践机会。得益于江老师的言传身教,他的知识积累与动手能力也得到提升。

  然而,国内科研往往追求短平快的发展,难以实现重大突破,这就导致了核心技术被国外公司所垄断。从而国内企业只能做一些利润率较低的业务,不利于技术的持续积累与企业的发展。对此,熊彪一面表达了深深的无奈,一面又积极地寻找破解之道。最终,到国外去深造、与国际专家切磋交流的想法,驱使他远赴荷兰求学。

  无疑,熊彪是幸运的,他选择了激光雷达领域的世界级专家乔治·沃塞尔曼教授(George Vosselman)作为博士导师,并选择了最具挑战的课题之一——基于机载激光雷达的三维房屋重建。攻读博士期间,他不仅深入钻研该领域现有的技术,还广泛涉猎人工智能等领域。

  经过几年的潜心研究,他的工作取得了几项重大突破,其独创的算法在多个城市应用中表现优异。基于此,他看到了科技成果转化为商业化产品的可能性。于是,2014年底,他与几位同样怀揣着希望人人都能用上三维地图梦想的年轻人一道在荷兰创立了DIPPER公司,并聘请沃塞尔曼教授担任技术总顾问。

  谈及其独创性的技术方案,熊彪非常自信。即便传来一些质疑的声音,他也认为这并非是坏事,既说明了他们所从事工作的重要性,又能感受到市场对激光雷达技术发展的殷切期望。

  显然,激光测图拥有广阔的市场潜力,但当前,国际通用的激光雷达数据处理软件多年来未取得技术突破,远不能满足市场需求,商业软件的发展大大滞后于学术界日新月异的技术进步。纵然激光雷达被寄予厚望,但庞大的数据处理难度,仍旧让很多人望而却步,国内有一些单位,采集数据不少,处理出的结果却很少,正如面对着一座金矿,却不知从何下手。

  熊彪表示,他希望通过他的详细解答以及对激光雷达行业的认识,消除大家的疑虑,从而让行业真正了解DIPPER公司的所作所为,并积极谋求日后的共同发展。以下是3sNews对熊彪的一些采访实录,且看他能否成功“洗白”?

  3sNews:请您解读一下贵公司产品的技术原理?

  熊彪:激光点云数据的高级处理包括点云识别和三维建模两部分,这是关系数据处理自动化程度的最核心问题,也是DIPPER重点突破的地方。

  通过分析局部范围内激光点的分布情况,再结合物体的上下文信息,我们可以准确分析每个激光点所属物体的类别,从而在激光点云中将它们轻松分离。由此,DIPPER公司研究出一套有效的特征集,再利用大规模数据作为训练集去学习经验。支持向量机以及随机森林被证明为当前最有效的计算机分类算法,使用自动识别有效地达到90%以上的准确率。

  DIPPER的另一强项是针对不同的物体采用不同的三维建模手段,从而成功恢复物体的真实面貌。模型驱动的方法适用于电塔、铁轨这种具有强规则、强重复的物体,数据驱动的方法适用于地面、道路这种规律性弱但本身结构简单的物体,充分结合数据驱动和模型驱动的方法适用于房屋这种具有规律性但又不是很强规律的物体。有了一系列实践经验,我们建立起一整套有普适能力的房屋基元库,从而能准确建模所有样式的房屋,这是DIPPER一大突破。

  此外,DIPPER成功实现屋面邻接拓扑图的自动修复。由于数据缺少,屋面识别算法有误等不可避免的原因,屋面邻接拓扑图总存在一些错误,如不做修正,以此为基础重建的三维模型必定有误。我们发现,很多错误是重复性的,有规律可循的,而每一种错误都有一种相应的修正方法。通过分析成千上万的房子,我们将常见错误以及修正方法储存到一个字典中。此后,计算机就能在字典中查找待修正房屋的错误及对应修正方案,从而实现自动修复。值得一提的是,这个字典是可扩充的。一经发现新的错误,可将其收入字典,这极大地保证了字典对不同地区数据的适应能力。

  3sNews:该技术是否实现了点云数据的全自动化处理?

  熊彪:众所周知,完全自动化并保证超高精度的技术极其难以实现。在场景识别、三维建模中,如果说是某个软件是完全自动化的,那必定有一部分结果的质量达不到要求。目前人工智能中,人脸识别技术算是非常成熟了,但只能有90%多的识别准确率,而且输入的图像质量比较高。

  遥感数据都是在自然条件下获取,难以控制数据采集时的天气等外在因素,这都意味着遥感数据的自动化处理的难度。经过多年努力,DIPPER的软件针对欧洲房屋将自动三维重建的准确率逐步提升至95%。再想提高一步,哪怕是1个百分点,都要付出更多努力。此时,提高算法对不同地区数据的适应能力,用工程管理的方法解决人工智能剩下的问题,以及将科研成果转化为实际生产力,显得更加重要。

  3sNews:DIPPER技术应用是否存在局限性?目前商业化应用取得了哪些进展?

  当前,DIPPER的技术主要针对机载激光雷达获得的数据,对常见的城市、森林、电力场景等都有丰富的处理经验。然而,对于一些倾斜影像密集匹配的点云,由于其精度还较低,高自动化的建模实现起来比较困难。机载激光雷达与车载和静态激光雷达数据相比,数据类型一样,但其空中视角与街景、室内的视角大相径庭,因而数据处理也有很大差异。目前,车载、静态数据的自动化处理并不成熟,还需要DIPPER及同行们更多的努力,共同解决这些问题,推动激光制图的快速发展。

  如今,我们已经成功地重建了五个荷兰城市的三维模型,并与阿姆斯特丹、海牙等城市合作,以完善三维城市在智慧城市方面的应用。值得一提的是,我们正与瑞士皇家科学院院士阿明·格林(Armin Gruen)教授组成团队,共同申请新加坡的三维城市方面的科研项目,以期进一步提高我们的技术实力。通过与KPN、Arcmea、loyal delta等网络服务商、城市规划、保险、游戏等领域的公司合作,DIPPER力求让三维城市从只能呈现3D视觉效果的尴尬局面,推进到各个垂直领域,以求改进工作效率、提高生活质量。

  当然,作为一家有着中国基因的初创公司,我们自然不想错过国内迅速发展的市场。实际上,我们已经在城市、铁路、电力等方面和国内单位开展应用和合作,也希望能与更多伙伴开展合作,共同推动激光制图的发展。

  3sNews: 您如何评价激光雷达市场的现状与未来?

  激光雷达与摄影测量相比,有精度高,对树木有穿透能力,以及不受天气影响这几个显著优点。经过十多年的技术发展和市场培育,激光制图已经迅速发展成长为一种重要的测绘手段,其应用也正快速推广到水文、农业、铁路、电力、考古、导航、城市管理等等垂直市场。欧美多个国家已采集完全国或部分范围的激光雷达数据。虽然我国在激光雷达制图方面起步晚,但对激光雷达技术的需求更加迫切。伴随着未来的大规模应用,国内激光雷达领域的核心技术方面必然后来居上。

  当前,激光测图的作业效率还有很大提高空间,与其它传统技术相比,还远未达到质变,并没有给我们带来足够惊艳。激光雷达作业有三大困境:一是硬件以及数据采集的费用依旧高昂,极大地限制了激光制图的应用;二是激光雷达采集的数据量远大于其他技术方案,市面上的软件难以满足对数据处理软件的较高要求,物体的识别和建模均需大量的手工工作;三是市场对激光制图这一技术还没有足够认识度。

  随着激光雷达市场的成熟,硬件生产和测图作业的规模化都会有效地摊薄单个硬件的成本。有远见的硬件厂商会根据市场需求,研发出专业但价格低的硬件,正如同在无人车热潮中火爆销售的Velodyne扫描仪一样,物美价廉的激光扫描仪也将迅速占领市场。与此同时,flash模式的激光扫描仪正逐渐成熟,将大幅度提高作业效率并极大降低作业成本。

  需要指出的是,学术界正在逐个攻克激光数据处理的难点,科技成果将被快速商业化,以DIPPER为代表的新一代激光点云处理软件将会日益满足市场需求。随着人工智能的快速发展及其在点云处理上的成功应用,数据处理软件将更加智能化。硬件与软件的发展将同时发力,在未来几年内将共同推动激光制图产业的爆发式增长。

  他还有一个大大的梦想

  熊彪直言,他计划以荷兰为基地,练好内功的同时快速发展其他市场,并将中国为一个重要战略支持点,从而建立起跨国公司,而其目标则是要成为全球最强大的三维地图提供商和服务商。

  诚然,距离这些目标,这家创立不足两年的初创企业还有很远的路要走,但激光雷达仍是一个方兴未艾的新领域,蕴藏着无限的可能性。梦想还是要有的,万一实现了呢?

  想不想现场聆听熊彪的精彩演讲?那就快来WGDC2016地理信息开发者大会吧。(文|3sNews 龙薇)

参与评论

【登录后才能评论哦!点击

  • {{item.username}}

    {{item.content}}

    {{item.created_at}}
    {{item.support}}
    回复{{item.replynum}}
    {{child.username}} 回复 {{child.to_username}}:{{child.content}}

更多精选文章推荐

泰伯APP
感受不一样的阅读体验
立即打开