人工智能 (AI) 与新型仿生摄像头相结合，可实现比现有汽车摄像头快 100 倍的行人和障碍物检测速度。苏黎世大学研究人员取得的这一计算机视觉和人工智能的重要进展可大大提高汽车系统和自动驾驶汽车的安全性。
这是每个司机的噩梦：行人突然出现在汽车前面，司机只有一瞬间的时间刹车或转向，避免最坏的情况发生。现在有些汽车配备了摄像头系统，可以提醒司机或启动紧急刹车。但这些系统还不够快或不够可靠，如果要将它们用于无人驾驶的自动驾驶汽车，它们需要大幅改进。
使用更少的计算能力实现更快的检测
现在，苏黎世大学 (UZH) 信息学系的 Daniel Gehrig 和 Davide Scaramuzza 将一种新型仿生相机与人工智能相结合，开发出了一种系统，该系统可以比现有系统更快地检测汽车周围的障碍物，并且使用更少的计算能力。这项研究发表在《自然》杂志上。
目前大多数摄像头都是基于帧的，也就是说它们会定期拍摄快照。目前用于汽车驾驶辅助的摄像头通常每秒拍摄 30 到 50 帧，人工神经网络可以训练识别图像中的物体——行人、自行车和其他车辆。
“但如果在两次快照之间的 20 或 30 毫秒内发生了什么事情，相机可能会发现得太晚。解决方案是提高帧速率，但这意味着需要实时处理更多数据，并需要更强的计算能力，”该论文的第一作者 Gehrig 说。
该图像显示了彩色相机的颜色信息和事件相机的事件（蓝点和红点）；边界框显示了算法对汽车的检测。图片来源：苏黎世大学机器人与感知小组
将两种相机类型的优点与人工智能相结合
事件相机是近期基于不同原理的创新产品。它们不采用恒定帧速率，而是采用智能像素，每次检测到快速运动时都会记录信息。
“这样，它们在帧与帧之间就没有盲点，从而可以更快地检测障碍物。它们也被称为神经形态相机，因为它们模仿了人眼感知图像的方式，”机器人和感知小组负责人 Scaramuzza 说道。但它们也有自己的缺点：它们可能会错过移动缓慢的物体，而且它们的图像不容易转换成用于训练人工智能算法的那种数据。
Gehrig 和 Scaramuzza 提出了一个混合系统，将两者的优点结合起来：它包括一个每秒收集 20 张图像的标准摄像头，与目前使用的摄像头相比，帧率相对较低。它的图像由一个称为卷积神经网络的人工智能系统处理，该系统经过训练可以识别汽车或行人。
事件相机的数据与另一种称为异步图形神经网络的 AI 系统相结合，该系统特别适合分析随时间变化的 3D 数据。事件相机的检测结果可用于预测标准相机的检测结果，并提高其性能。
“最终的结果是一个视觉探测器可以像每秒拍摄 5,000 张图像的标准相机一样快速地检测物体，但需要的带宽与每秒拍摄 50 帧的标准相机相同，”Gehrig 说。
使用更少的数据，检测速度提高一百倍
该团队根据目前汽车市场上最好的摄像头和视觉算法测试了他们的系统，发现它可以使检测速度提高一百倍，同时减少摄像头和车载计算机之间必须传输的数据量以及处理图像所需的计算能力，而不会影响准确性。
至关重要的是，该系统可以有效地检测在标准摄像机的两个连续帧之间进入视野的汽车和行人，为驾驶员和交通参与者提供额外的安全——这可以产生巨大的影响，特别是在高速行驶时。
科学家表示，通过将摄像头与 LiDAR 传感器相结合，这种方法未来可以变得更加强大，就像自动驾驶汽车上使用的传感器一样。
Scaramuzza 表示：“像这样的混合系统对于实现自动驾驶至关重要，它可以保证安全，而不会导致数据和计算能力的大幅增长。”
本站全部资讯来源于实验室原创、合作机构投稿及网友汇集投稿，仅代表个人观点，不作为任何依据，转载联系作者并注明出处：https://www.lvsky.net/287.html
评论