NVIDIA研究人员透过雷达与光达的数据训练神经网路，希望让2D影像也能判读空间距离

对开车的人来说，抓准车辆与其它路上的人、事、物的距离是相当重要的大前提，这对于有着一双足以让大脑建构3D 空间、具高解析度的眼睛的人类而言看是相当简单的，不过若要在自动驾驶判读正确的距离，即便是搭载模拟眼睛的双相机也没那么容易。

这是由于自动驾驶系统所搭载的双相机虽然可如人眼一般建构3D 空间，但却可能因为影像讯号不同不，导致资讯落差后，使得距离评估失准，其实这样的情况就如同3D 头盔为何要设定在超越人眼理论更新率的90fps 的情形类似。

NVIDIA 的研究人员正在进行一项研究，他们希望透过单一相机所得到的平面影像就能推估正确的3D 距离；单镜头的测距技术在辅助驾驶并不是新鲜事，不过早期的技术只能判读在相同平面的相对距离，在于一旦前方的物体的位置有高有低，就无法透过正确的方式得到正确的资讯，当上坡就会得到比实际远的错误资讯，如此一来很容易引发自动驾驶失灵、紧急煞车故障等状况。

当然毕竟是NVIDIA 的研究计画，如何活用AI 技术就是它们的强项， NVIDIA 研究团队利用卷积神经网路与单镜头资讯，透过DNN 把雷达、光达所获取的真实世界距离数据用来搭配影像进行AI 模型训练，借此建构能够因应上下坡变化的单镜头测距模型。