Ученые сочетают ИИ и радар,
чтобы позволить транспортным средствам
правильно и быстро обнаруживать скрытые опасности
просмотр изображений доступен только зарегистрированным пользователям
Используя радар, обычно используемый для слежения за скоростными гонщиками, исследователи разработали автоматизированную систему, которая позволит автомобилям сверять за поворотами и наблюдать за встречным движением и пешеходами.
Система, легко интегрируемая в современные автомобили, использует доплеровский радар для отражения радиоволн от таких поверхностей, как здания и припаркованные автомобили. Радиолокационный сигнал попадает на поверхность под углом, поэтому его отражение отскакивает, как бильярдный шар, ударяющийся о стену бильярдного стола. Сигнал продолжает «атаковать» объекты, спрятанные за углом. Некоторые из радиолокационных сигналов отскакивают до детекторов, установленных на автомобиле, позволяя системе видеть объекты за углом и сообщать, движутся ли они или неподвижны.
В докладе, представленном 16 июня на конференции «Компьютерное зрение и распознавание образов» (CVPR), исследователи рассказали о том, как система способна различать объекты, включая автомобили, велосипедистов и пешеходов, и измерять их направление движения и скорость встречного транспорта.
Предлагаемый подход позволяет предупреждать пешеходов и велосипедистов о столкновении в реальных сценариях автономного вождения, прежде чем увидеть их с помощью существующих датчиков прямой видимости.
В последние годы инженеры разработали различные системы датчиков, которые позволяют автомобилям обнаруживать другие объекты на дороге. Многие из них полагаются на лидар или камеры с использованием видимого или ближнего инфракрасного света, и такие датчики предотвращения столкновений в настоящее время распространены на современных автомобилях. Но оптическое зондирование трудно использовать для обнаружения предметов вне зоны видимости автомобиля. В предыдущих исследованиях команда Heide использовала свет, чтобы увидеть предметы, спрятанные за углом. Но в настоящее время эти усилия не практичны для использования в автомобилях как потому, что они требуют мощных лазеров, так и потому, что они ограничены коротким радиусом действия.
Проводя эти более ранние исследования, Хайде и его коллеги задавались вопросом, можно ли создать систему для обнаружения опасностей вне зоны видимости автомобиля с помощью радара изображения вместо видимого света. Потери сигнала на гладких поверхностях для радарных систем значительно ниже, и радар является проверенной технологией слежения за объектами. Проблема заключается в том, что пространственное разрешение радара, используемое для обнаружения объектов на углах, таких как автомобили и велосипеды, относительно низкое. Однако исследователи считают, что они могут создать алгоритмы для интерпретации радарных данных, чтобы позволить датчикам функционировать.
Чтобы позволить системе различать объекты, команда Хайде обрабатывала часть радарного сигнала, который стандартные радары считают фоновым шумом, а не полезной информацией. Команда применяла методы искусственного интеллекта для уточнения обработки и считывания изображений. Fangyin Wei, аспирант в области информатики и один из ведущих авторов статьи, сказал, что компьютер, на котором работает система, должен был научиться распознавать велосипедистов и пешеходов по очень скудному объему данных.
Вэй сказал, что в настоящее время система распознает пешеходов и велосипедистов, потому что инженеры чувствуют, что это самые сложные объекты из-за их маленького размера и разнообразной формы и движения. Она сказала, что систему можно настроить и на обнаружение транспортных средств.
Хайде сказала, что исследователи планируют следить за исследованиями в ряде направлений для приложений, включающих как радар, так и усовершенствования в обработке сигналов. По его словам, система обладает потенциалом для радикального улучшения безопасности автомобилей. Так как она опирается на существующую технологию радарных датчиков, то считывание радиолокационной системы для развертывания в автомобилях следующего поколения должно быть возможным.
Кроме Хайде и Вей, к авторам статьи относятся и авторы: Юрген Дикманн, Флориан Краузе, Вернер Риттер и Николас Шинер из Mercedes-Benz AG; Буу Фан и Фахим Маннан из Альголюкса; Клаус Дитмайер из Ульмского университета; и Бернард Сик из Кассельского университета. Поддержка исследований была частично предоставлена программой Европейского союза H2020 ECSEL.
