长期以来，自动驾驶汽车一直被认为是下一代交通方式。为了使自动驾驶车辆能够在不同环境中自主导航，需要实施与信号处理、图像处理、人工智能深度学习、边缘计算和物联网相关的多种技术。
自动驾驶汽车普及的最大阻碍之一是安全性和可靠性。为了确保用户的安全驾驶体验，自动驾驶汽车必须准确、有效、高效地监控和区分周围环境，以及乘客安全的潜在威胁。
为此，自动驾驶汽车采用高科技传感器，例如激光雷达（LiDaR）、雷达和RGB摄像头，以生成大量数据作为RGB图像和3D测量点，即“点云”。
快速准确地处理和解释这些收集到的信息对于行人和其他车辆的识别至关重要。通过集成先进的计算方法和物联网（IoT）集成，自动驾驶车辆可以更有效地对各种环境和障碍物进行快速、现场的数据处理和导航。
据外媒报道，由韩国仁川大学（Incheon National University）Gwanggil Jeon教授领导的一组国际研究人员现已开发出一种支持智能物联网的端到端系统，用于基于深度学习的实时3D对象检测，专用于自动驾驶。
Jeon教授解释说：“对于自动驾驶汽车，环境感知对于核心问题‘我周围有什么？’至关重要，即自动驾驶汽车必须能够有效、准确地了解其周围的条件和环境，以便执行响应操作。基于著名的识别算法YOLOv3，我们设计了一个检测模型。该模型首先用于2D对象检测，然后针对3D对象进行修改。”
该团队将收集到的RGB图像和点云数据作为输入提供给YOLOv3，YOLOv3进而输出分类标签和具有置信度分数的边界框。然后研究人员使用Lyft数据集测试了YOLOv3的性能。早期的结果表明，YOLOv3对2D和3D物体都实现了极高的检测精度（>96%），优于其他最先进的检测模型。
该方法可应用于自动驾驶汽车、自动泊车、自动送货和未来的自动机器人，以及需要物体和障碍物检测、跟踪和视觉定位的应用。
Jeon表示：“目前，自动驾驶是通过基于激光雷达的图像处理来进行的，但预计未来通用摄像头将取代激光雷达。自动驾驶汽车使用的技术每时每刻都在变化，而我们处于最前沿。基于关键技术的发展，预计安全性更高的自动驾驶汽车将在未来5-10年内推出。”
