研讨人员开发了一种自动化体系,该体系可使轿车在角落处感知,并发现迎面而来的交通和行人。
该体系可以轻松集成到当今的车辆中,运用多普勒雷达将无线电波从建筑物和停放的轿车等外表反射。雷达信号以必定视点碰击外表,因而其反射像母球碰击台球桌的墙面相同反弹,信号持续击中隐藏在角落处的物体。某些雷达信号会反射回安装在轿车上的探测器,从而使体系可以看到角落处的物体并判别它们是在运动仍是停止。 普林斯顿大学计算机科学助理教授费利克斯·海德(Felix Heide)说:“这将使轿车可以看到当今的激光雷达和摄像头传感器无法记载的被遮挡的物体,例如,使自动驾驶轿车可以看到风险的穿插路口。” 研讨人员还表明,“雷达传感器的本钱也相对较低,尤其是与激光雷达传感器比较,而且可以大规模出产。”
在6月16日CVPR2020会议上宣布的一篇论文中,研讨人员描绘了该体系怎么区别包含轿车,自行车和行人在内的物体,并丈量其方向和迎面驶来的速度。
作者写道:“所提出的办法答应在实际国际中的自动驾驶场景中为行人和骑自行车的人供给磕碰预警,然后再运用现有的直视野传感器看到行人和骑车者。”
近年来,工程师们开发了各种传感器体系,使轿车可以检测道路上的其他物体。他们中的许多人依托运用可见光或近红外光的激光雷达或照相机,而这种避免磕碰的传感器现在在轿车中很常见。可是,很难运用光学传感来辨认轿车视野之外的物体。在前期的研讨中,Heide的团队运用光来调查隐藏在角落处的物体。可是,这些尽力现在尚不适用于轿车,因为它们都需求高功率的激光器而且限于近距离。
在进行较早的研讨时,海德和他的搭档们想知道是否有或许创立一个体系,运用成像雷达而不是可见光来检测轿车视野之外的风险。关于雷达体系,润滑外表的信号损耗要低得多,雷达是一种卓有成效的盯梢物体技能。应战在于,雷达的空间分辨率(用于拍照轿车和自行车等角落处的物体)相对较低。可是,研讨人员以为,他们可以创立算法来解说雷达数据,以使传感器正常作业。
Heide说:“咱们开发的算法十分高效,而且合适当时的轿车硬件体系。” “因而,您或许已经鄙人一代轿车中看到了这项技能。”
为了使体系可以区别物体,该团队处理了部分雷达信号,即规范雷达考虑的是背景噪声而非可用信息。该团队应用了人工智能技能来完善处理进程并读取图画。计算机科学专业研讨生,论文的首要作者之一范凡伟说,运转该体系的计算机有必要学会从十分稀少的数据中辨认出骑自行车的人和行人。
“首要,咱们有必要检测是否有东西。如果有东西重要吗?是骑自行车的人仍是行人?” 她说。“那么咱们有必要找到它。”
她说,该体系现在可以检测到行人和骑自行车的人,因为工程师们以为这些物体体积小,形状和动作各异,因而是最具应战性的物体。她说,该体系也可以进行调整以检测车辆。
研讨人员计划在触及雷达和信号处理进步一步改进,让该技能可以应用在多个方向。该体系有或许从根本上改进轿车安全性,因为它依赖于现有的雷达传感器技能,因而应该有或许为鄙人一代轿车中布置雷达体系做好预备。
Heide说:“这肯定会阅历十分严厉的轿车开发周期。” “在集成和将其推向市场方面,它需求很多的工程设计。可是技能在那里,所以有或许很快在轿车上看到这种状况。”
