视觉系统提高自动驾驶汽车转弯安全性

  　  麻省理工学院的工程师开发了一种系统，该系统可以感知地面阴影的微小变化，以确定车辆拐角处是否有移动物体，以提高自动驾驶汽车的安全性。

麻省理工学院的工程师开发了一种系统，该系统可以感知地面阴影的微小变化，从而确定拐角处是否有移动物体。

　　研究人员描述了在停车场周围驾驶自动驾驶汽车和在走廊上驾驶自动轮椅的成功实验。在实验中，当自动驾驶车辆感应到前方有移动物体并停止运动时，这种新型汽车系统击败了传统的LiDAR（后者只能检测可见物体），在时间上提前了半秒来提前预警。

        当前，该系统仅在室内中进行了测试，并且用行走的机器人代替了自动驾驶汽车，因为在室内机器人的速度要低得多，光照条件也更加一致，这使得系统更容易检测和分析阴影。

　　“当机器人在有移动物体或人的环境中移动时，我们的系统会向机器人发出预警，提醒有人即将来临，因此车辆可以减速、调整路径并提前做好准备，以避免撞到物体。”计算机科学与人工智能实验室（CSAIL）主任、电机工程与计算机科学教授安德鲁和恩纳·维特比（Andrew and Erna Viterbi）说。　　

　　研究人员称他们目前的工作建立在“影子摄像头（Shadow Cam） ”系统上，该系统使用计算机视觉技术来检测和分类地面阴影的变化。

　　“影子摄像头 ”使用摄像机的视频帧序列工作，摄像机将针对特定区域，例如拐角处的地板，可以检测不同图像之间的光强度的变化，这些变化可能表明某些物体在移开或靠近。而这些变化一般很难检测到，并且可能会由对象和环境的各种属性确定，用肉眼无法识别。“影子摄像头 ”系统将会计算这些变化信息，并将每个图像区分为静止的对象或动态的运动对象，如果呈现为动态图像，系统将会做出相应的反应。

　　为了使“影子摄像头 ”系统适用于自动驾驶汽车，研究人员开发了一种能够结合图像配准和新视觉测距技术的过程。通常情况下，图像配准会在计算机视觉中使用，将会覆盖多个图像，以揭示图像中的变化，例如，医学图像配准与医学扫描重叠，用来比较和分析解剖差异。

　　由于“影子摄像头 ”系统会获取感兴趣区域的输入图像序列，因此它使用DSO图像配准方法来覆盖机器人同一视点上的所有图像，即使机器人在移动，它也可以将阴影精确定位在相同的像素点上，来帮助检测图像之间的细微偏差。监测有偏差之后，“影子摄像头 ”系统会将信号放大，其中可能包含阴影的像素的颜色增强，从而降低信噪比，这将使得来自阴影变化的极其微弱的信号更容易被检测到。最后，如果增强后的信号达到某个阈值（基于其信号与附近其他阴影的偏离程度），“影子摄像头 ”系统会将图像分类为“动态”，根据该信号的强度，系统可能会告诉机器人减速或停止。

　　在一项测试中，研究人员在停车场的自动驾驶汽车中安装了“影子摄像头 ”系统，该汽车的前大灯处于关闭状态，以此来模仿夜间驾驶条件。他们将汽车检测时间与LiDAR检测时间进行了比较。在示例场景中，“影子摄像头 ”系统检测到汽车绕柱转弯的速度比LiDAR快了0.72秒。此外，由于研究人员已针对“影子摄像头 ”系统专门将车库的照明条件进行了调整，因此该系统的分类精度约为86％。

　　未来，研究人员正在进一步开发该系统，让它能在不同的室内和室外照明条件下工作。将来，可能还会有一些方法可以加快系统的阴影检测速度，并配有自动为阴影感应标注目标区域的过程。