研究人員開發(fā)了一種自動化系統,該系統可使汽車在拐角處感知,并發(fā)現迎面而來的交通和行人。

該系統可以輕松集成到當今的車輛中,使用多普勒雷達將無線電波從建筑物和停放的汽車等表面反射。雷達信號以一定角度撞擊表面,因此其反射像母球撞擊臺球桌的墻壁一樣反彈,信號繼續(xù)擊中隱藏在拐角處的物體。某些雷達信號會反射回安裝在汽車上的探測器,從而使系統能夠看到拐角處的物體并判斷它們是在運動還是靜止。

普林斯頓大學計算機科學助理教授費利克斯·海德(Felix Heide)說:“這將使汽車能夠看到當今的激光雷達和攝像頭傳感器無法記錄的被遮擋的物體,例如,使自動駕駛汽車能夠看到危險的交叉路口�！� 研究人員還表示,“雷達傳感器的成本也相對較低,尤其是與激光雷達傳感器相比,并且可以大規(guī)模生產�！�

在6月16日CVPR2020會議上發(fā)表的一篇論文中,研究人員描述了該系統如何區(qū)分包括汽車,自行車和行人在內的物體,并測量其方向和迎面駛來的速度。

作者寫道:“所提出的方法允許在現實世界中的自動駕駛場景中為行人和騎自行車的人提供碰撞預警,然后再使用現有的直視線傳感器看到行人和騎車者�！�

近年來,工程師們開發(fā)了各種傳感器系統,使汽車能夠檢測道路上的其他物體。他們中的許多人依靠使用可見光或近紅外光的激光雷達或照相機,而這種防止碰撞的傳感器現在在汽車中很常見。但是,很難使用光學傳感來識別汽車視線之外的物體。在早期的研究中,Heide的團隊使用光來觀察隱藏在拐角處的物體。但是,這些努力目前尚不適用于汽車,因為它們都需要高功率的激光器并且限于近距離。

在進行較早的研究時,海德和他的同事們想知道是否有可能創(chuàng)建一個系統,使用成像雷達而不是可見光來檢測汽車視線之外的危險。對于雷達系統,光滑表面的信號損耗要低得多,雷達是一種行之有效的跟蹤物體技術。挑戰(zhàn)在于,雷達的空間分辨率(用于拍攝汽車和自行車等拐角處的物體)相對較低。但是,研究人員認為,他們可以創(chuàng)建算法來解釋雷達數據,以使傳感器正常工作。

Heide說:“我們開發(fā)的算法非常高效,并且適合當前的汽車硬件系統�！� “因此,您可能已經在下一代汽車中看到了這項技術。”

為了使系統能夠區(qū)分物體,該團隊處理了部分雷達信號,即標準雷達考慮的是背景噪聲而非可用信息。該團隊應用了人工智能技術來完善處理過程并讀取圖像。計算機科學專業(yè)研究生,論文的主要作者之一范凡偉說,運行該系統的計算機必須學會從非常稀疏的數據中識別出騎自行車的人和行人。

“首先,我們必須檢測是否有東西。如果有東西重要嗎?是騎自行車的人還是行人?” 她說�！澳敲次覀儽仨氄业剿��！�

她說,該系統目前能夠檢測到行人和騎自行車的人,因為工程師們認為這些物體體積小,形狀和動作各異,因此是最具挑戰(zhàn)性的物體。她說,該系統也可以進行調整以檢測車輛。

研究人員計劃在涉及雷達和信號處理上進一步改進,讓該技術能夠應用在多個方向。該系統有可能從根本上改善汽車安全性,由于它依賴于現有的雷達傳感器技術,因此應該有可能為在下一代汽車中部署雷達系統做好準備。

Heide說:“這肯定會經歷非常嚴格的汽車開發(fā)周期�！� “在集成和將其推向市場方面,它需要大量的工程設計。但是技術在那里,所以有可能很快在汽車上看到這種情況�！�