Включение автономных транспортных средств, чтобы видеть вокруг углов

Для повышения безопасности автономных систем, инженеры Массачусетского технологического института разработали систему, которая может почувствовать небольшие изменения в тени на землю, чтобы определить, является ли движущийся объект появился из-за угла.

Автономные машины могут за один день воспользоваться системой, чтобы быстро избежать возможного столкновения с другим автомобилем или пешеходом, выходящих из здания углу или между припаркованных автомобилей. В будущем роботов, которые могут перемещаться по коридору больницы, чтобы делать лекарства или поставки может использовать систему, чтобы избежать наезда на людей.

В статье будет представлен на следующей неделе Международной конференции по вопросам интеллектуальных роботов и систем (ИРОС), исследователи описывают успешные эксперименты с самостоятельным вождение автомобиля вокруг гаража и автономной коляске навигации коридорах. При зондировании и остановки приближающегося автомобиля, автомобиль система, основанная бьет традиционное лидар-которые могут только обнаруживать видимые объекты-более чем на полсекунды.

Что не может показаться как много, но доли секунды дело, когда дело доходит до быстро движущихся автономных транспортных средств, говорят исследователи.

«Для приложений, где роботы идут по средам с других движущихся объектов или людей, наш метод может дать робот раннего предупреждения, что кто-то придет за горами, так что транспортное средство может замедлить, адаптировать его пути, и подготовить заранее, чтобы избежать столкновения», — добавляет соавтор Даниэла Рус, директор компьютерных наук и лаборатории искусственного интеллекта (CSAIL) и Андрей и Эрна Витерби профессор электротехники и компьютерных наук. «Большая мечта-обеспечить ‘рентгеновское зрение своего рода до транспортных средств, движущихся быстро на улицах».

В настоящее время система проверена только в помещении. Скорости роботы значительно ниже, в помещении, и освещение является более последовательным, что делает его легче для системы смысла и анализа теней.

Присоединение Руси на бумаги несколько: Во-первых, автор Феликс Насер см ’19, бывший CSAIL исследователь; Александра Амини, а CSAIL аспирант; Игорь Gilitschenski, а CSAIL постдока; недавний выпускник Кристина Лиао ’19; парень Росмэн «Тойота» научно-исследовательский институт; и Сертач Караман, адъюнкт-профессор аэронавтики и астронавтики в Массачусетском технологическом институте.

Расширение ShadowCam

Для своей работы исследователи построили на их системе, под названием «ShadowCam,» которые использует компьютер-видение методов обнаружения и классификации изменения тени на земле. Профессора Массачусетского технологического института Уильям Фриман и Антонио Торральба, которые не являются соавторами на ИРОС бумаги, работал на предыдущих версиях системы, которые были представлены на конференции в 2017 и 2018 годах.

Для ввода, ShadowCam использует последовательности видеокадров с камеры какой-то конкретной области, таких как пол напротив угла. Он обнаруживает изменения в интенсивности света с течением времени, от снимка к снимку, что может означать что-то отдаляется или приближается. Некоторые из этих изменений может быть трудно обнаружить или невидимые невооруженным глазом и могут быть определены различные свойства объекта и окружающей среды. ShadowCam вычисляет эту информацию и классифицирует каждое изображение, как содержащий неподвижный объект или динамическим, движущимся. Если он попадает в динамический образ, он реагирует соответственно.

Адаптация ShadowCam для автономных транспортных средств требуется несколько авансов. Ранней версии, к примеру, опирался на подкладке районе с дополненной реальностью этикетки под названием «AprilTags,» которые напоминают упрощенный QR-коды. Сканирование роботов AprilTags, чтобы обнаружить и вычислить их точные 3D-положение и ориентация по отношению к тегу. ShadowCam используют теги в качестве особенностей окружающей среды к нулю в конкретных патчи пикселей, которые могут содержать в тени. Но изменение реальных средах с AprilTags не практично.

Исследователи разработали новый процесс, который сочетает регистрации изображения и новый визуальный-одометра техника. Часто используется в компьютерном зрении, Регистрация изображения, по сути, наложения нескольких изображений, чтобы выявить различия в изображениях. Регистрация медицинских изображений, например, перекрывает медицинского сканирования сравнивать и анализировать анатомические различия.

Визуального одометра, используемые для марсоходов, оценки движения камеры в режиме реального времени, анализируя позу и геометрии в последовательности изображений. Ученые специально используют «прямые негустые одометра» (ДСО), который может вычислить характерных точек в среде, аналогичной той, захваченных AprilTags. По сути, ДСО участков, особенности внешней среды на 3D-облако точек, а затем компьютер-зрение трубопровода выбирает только те объекты, которые находятся в области интересов, таких как пол возле угла. (Регионы интереса были аннотированы заранее вручную).

Как ShadowCam принимает входной последовательности изображение области интереса, он использует ДСО-изображения-Регистрация метод наложения все изображения с одинаковой точки зрения робота. Даже как робот двигается, он способен сосредоточиться на точно такой же патч пикселей, где тень находится, чтобы помочь обнаружить любые малозаметные отклонения между изображениями.

Далее идет усиление сигнала, метод, который был внедрен в первый документ. Пиксели, которые могут содержать тени получить импульс в цвет, что снижает отношение сигнала к шуму. Это делает чрезвычайно слабые сигналы из тени перемены гораздо более заметным. Если повышенный уровень сигнала достигает определенного порога-отчасти зависит от того, насколько он отличается от других близлежащих тени ShadowCam классифицирует изображение как «динамичной». В зависимости от силы этого сигнала, система может сказать роботу, чтобы замедлить или остановить.

«Обнаружение этого сигнала, вы можете быть осторожны. Это может быть тень какого-то человека, бежит из-за угла или в припаркованной машине, так что автономный автомобиль может замедлить или полностью прекратить», — говорит Насер.

Тег-бесплатное тестирование

В одном тесте, исследователи оценивали производительность системы в классификации подвижных или стационарных объектов с помощью AprilTags и нового ДСО-метод. Автономная коляски поворачиваются на различные углы коридора, в то время как люди завернули за угол на пути инвалидной коляски. Оба метода достигаются те же 70-процентной точностью классификации, с указанием AprilTags больше не нужны.

В отдельном тесте, исследователи внедрили ShadowCam в Автономной машину в гараж, где фары были выключены, имитируя условия ночной езды. Они сравнили автомобиль-обнаружение раз против лидара. В Примере сценария, ShadowCam обнаружен автомобиль поворачивая вокруг столбов около 0,72 секунды быстрее, чем лидар. Кроме того, поскольку исследователи были настроены ShadowCam специально для того, чтобы условия освещения гаража, системы достигнута точность классификации составляет около 86 процентов.

Далее ученые разрабатывают системы для работы в различных крытых и напольных освещения. В будущем это могут быть способы, чтобы ускорить обнаружение теневой системы и автоматизировать процесс аннотирования целевые зоны для тень зондирования.

Эта работа финансировалась Тойота исследовательский институт.

сделать разницу: спонсорские возможности