Автонет

Китай нашёл способ, улучшающий «ночное зрение» автономного автомобиля

16 Сентября 2024
Китай нашёл способ, улучшающий «ночное зрение» автономного автомобиля

Группа исследователей из Китая открыла способ помочь автономным автомобилям «видеть» лучше в темноте, повысив их способность управлять автомобилем более чем на 10%. Секрет успеха кроется в изучении работы человеческого глаза.

Один из способов навигации автономных автомобилей — использование набора камер, каждая из которых оснащена специальным фильтром для распознавания поляризации входящего света. Поляризация относится к направлению колебаний световых волн по мере их распространения, что может предоставить много информации об объекте, от которого в последний раз отразилась световая волна, включая особенности поверхности объекта и детали.

Однако, хотя поляризационные фильтры и предоставляют автономным транспортным средствам дополнительную информацию об окружающих их объектах, фильтр имеет некоторые подводные камни.

«Хотя эта конструкция с двойным фильтром и обеспечивает дополнительную информацию, она затрудняет захват фотонов ночью, — говорит Цзяньдун Тянь, профессор робототехники Китайской академии наук в Шэньяне. – В условиях низкой освещённости качество изображения поляризационной камеры резко падает, а детализация и резкость страдают сильнее».

Теория предполагает, что наша зрительная система способна различать свет двумя разными способами, а именно: с помощью отражательной способности и компонентов освещённости света. Даже в условиях слабого освещения наши глаза и мозг способны компенсировать изменения освещённости света в достаточной степени, чтобы различать цвета.

Была применена эта концепция к автономной навигационной системе автомобиля, которая обрабатывает отражательные и люминесцентные качества поляризованного света по отдельности. Один алгоритм, обученный с использованием реальных данных тех же изображений в светлых и тёмных условиях, работает как наша собственная зрительная система, компенсируя изменения яркости. Второй алгоритм обрабатывает отражательные свойства входящего света, удаляя фоновый шум.

В то время как обычные автономные транспортные средства, как правило, обрабатывают только отражательные свойства света, этот двойной подход даёт лучшие результаты.

В опубликованном исследовании исследователи проверили свой подход, названный RPLENet.

Сначала команда провела моделирование с использованием реальных данных тусклых сред, чтобы убедиться, что их подход может обеспечить более качественные изображения при слабом освещении. Затем они установили камеру, которая использует RPLENet, на автомобиль и протестировали её в реальном ночном сценарии. Результаты показывают, что новый подход может повысить точность вождения примерно на 10% в экспериментах с алгоритмами автономного вождения.

Исследователи считают, что этот подход может привести к созданию более безопасных автономных автомобилей.

Однако одной из проблем подхода является то, что он требует обширного обучения на наборах данных, которые трудно получить (например, изображения одного и того же объекта при разных сценариях освещения).

В будущем разработчики планируют продолжить изучение методов обучения со слабым контролем и без контроля, чтобы уменьшить зависимость от больших объёмов маркированных данных. Это должно ускорить разработку алгоритмов и помочь обеспечить более эффективные и экономичные решения в реальных приложениях.


Подписывайтесь на журнал «Вестник ГЛОНАСС» и навигационный Telegram-канал

По материалам открытых источников

Короткая ссылка:  vestnik-glonass.ru/~RRXKn
08.11.2024
Автомобили – больше не привычные механизмы, которые доставляют из одного места в другое. Это сложные, взаимосвязанные системы, наполненные различными технологиями, каждая из которых подвергает потребителей потенциальным рискам, связанным с конфиденциальностью, кибербезопасностью и безопасностью.
17.10.2024
В обществе растёт обеспокоенность по поводу безопасности беспилотных транспортных средств. И вот уже эксперт призывает федеральное правительство разработать общенациональный экзамен на вождение, который такие транспортные средства должны будут пройти, прежде чем смогут выезжать на дороги общего пользования.
08.10.2024
За последние годы рынок подключённых автомобилей значительно вырос, чему способствовали обещания повышения безопасности, удобства и более эффективного взаимодействия с водителем. Автопроизводители стремятся извлечь выгоду из данных подключённых автомобилей.
19.09.2024
Развитие беспилотных технологий также может преобразить логистическую отрасль, создав больше рабочих мест в сфере управления логистикой и диспетчеризации транспортных средств.

СТАТЬИ ГЛОНАСС

Необходим поиск отечественных специалистов в области кибербезопасности сельского хозяйства
Перспективы реализации дорожной карты одного из направлений Национальной технологической инициативы (НТИ) в области сельского хозяйства, по просьбе журнала «Вестник ГЛОНАСС», оценил эксперт в навигационно-информационной сфере Семён Видный. В современных, быстроизменяющихся условиях особого решения требуют вопросы безопасности (направление SafeNet), тем более на таком значимом для государства агросекторе. В этом направлении на данный момент – огромное количество профессиональных участников. Но большинство из них используют иностранные наработки, что в настоящий момент и на перспективу неприемлемо. Также все профессионалы никогда не занимались этим специфическим сектором экономики – сельским хозяйством. Так что здесь придётся ещё поискать участников.
Аграриям предстоит работать в одной системе координат
Как известно, основой современного цифрового агрокомплекса является картогорафирование. Семён Видный, эксперт в области применения современных навигационно-информационных технологий в сельском хозяйстве поделился с читателями журнала «Вестник ГЛОНАСС» с кругом решаемых проблем при обработке массивов картографических данных. Таким образом, выяснилось, что все используют данные в различных системах координат, но пытаются укладывать их на одну картографическую основу и, соответственно, получают нестыковки и ошибки. Всё это приводит к тому, что используемые данные из Роскадастра, из Центров химизации и от высокоточных источников (данные дистанционного зондирования Земли, данные с беспилотников и высокоточных навигационных или геодезических приборов) не состыковываются друг с другом и только вводят в заблуждение сельхозтоваропроизводителей и собственников сельхозземель. И это также отражается на отношениях со смежными землепользователями.