穀歌、特斯拉等科技巨頭都在不遺餘(yu) 力地發展自動駕駛技術，但這項技術要走向成熟還需在許多關(guan) 鍵子係統上獲得突破。英國劍橋大學開發的一套機器成像識別係統，有望以更低的成本來解決(jue) 自動駕駛汽車如何看見和分辨路上物體(ti) 的難題。

這一係統名為(wei) “segnet”，隻需將係統的核心應用程序與(yu) 常規攝像頭甚至智能手機的攝像頭配合使用，就能快速拍攝路麵環境畫麵，實時將影像中不同物體(ti) 進行分類，比如道路、路牌、行人、建築等，並進行對照識別。

研究人員說，他們(men) 已在城區道路和高速公路上進行過測試，係統的識別準確率讓人滿意，這方麵的性能甚至超過基於(yu) 激光或雷達的傳(chuan) 感器。接下來，研究人員還準備在郊野甚至雪地和沙漠環境中開展測試。

目前發展中的自動駕駛汽車原型多使用基於(yu) 雷達等技術的傳(chuan) 感器來進行物體(ti) 識別。但這類裝備的價(jia) 格往往比較高昂，甚至比車輛的價(jia) 格還高，這極大地影響了自動駕駛汽車實用化前景。

研究人員說，相對那些昂貴的傳(chuan) 感器，這一新開發的係統不但成本要低很多，而且還能進行“深度學習(xi) ”。研究人員會(hui) 不斷為(wei) 係統增加相關(guan) 的分類識別數據，提升識別準確度。