More

    Νέο ραντάρ επιτρέπει στα αυτοκίνητα να εντοπίζουν τους κινδύνους στις γωνίες

    Μέγεθος κειμένου-+=
    Μέγεθος κειμένου-+=

    Χρησιμοποιώντας ραντάρ, ερευνητές έχουν αναπτύξει ένα αυτοματοποιημένο σύστημα που θα επιτρέπει στα αυτοκίνητα να «βλέπουν» πίσω από τις γωνίες και να εντοπίζουν την επικείμενη κίνηση και τους πεζούς.

    Το σύστημα, που ενσωματώνεται εύκολα στα σημερινά οχήματα, χρησιμοποιεί ένα ραντάρ τύπου Doppler για να στέλνει και να συλλέγει ραδιοκύματα από και προς επιφάνειες όπως κτίρια και σταθμευμένα αυτοκίνητα. Το σήμα του ραντάρ προσπίπτει στην υπό γωνία επιφάνεια, οπότε η αντανάκλασή του επιστρέφει σαν μια μπίλια που χτυπά τον τοίχο ενός μπιλιάρδου. Το σήμα συνεχίζει και προσκρούει σε αντικείμενα που είναι κρυμμένα πίσω από τη γωνία. Μερικά από τα σήματα ραντάρ επιστρέφουν στους ανιχνευτές που είναι τοποθετημένοι στο αυτοκίνητο, επιτρέποντας στο σύστημα να «βλέπει» αντικείμενα γύρω από τη γωνία και να κρίνει εάν κινούνται ή ακίνητα.

    “Αυτό το σύστημα θα επιτρέψει στα αυτοκίνητα να «βλέπουν» κρυμμένα αντικείμενα που οι σημερινοί αισθητήρες lidar και οι κάμερες δεν μπορούν να καταγράψουν, για παράδειγμα, επιτρέποντας σε ένα αυτοκίνητο «βλέπει» τι γίνεται συνολικά σε μια επικίνδυνη διασταύρωση”, δήλωσε ο Felix Heide, επίκουρος καθηγητής της επιστήμης υπολογιστών στο Πανεπιστήμιο του Πρίνστον και ένας από τους ερευνητές. “Οι αισθητήρες ραντάρ είναι επίσης σχετικά χαμηλού κόστους, ειδικά σε σύγκριση με τους αισθητήρες lidar και η μαζική παραγωγή τους παραγωγή είναι εύκολη.”

    Σε μια δημοσίευση τους που παρουσιάστηκε στις 16 Ιουνίου του τρέχοντος έτους στο Συνέδριο για την Όραση Υπολογιστών και την Αναγνώριση Προτύπων (CVPR), οι ερευνητές περιέγραψαν πώς το σύστημα μπορεί να διακρίνει αντικείμενα όπως αυτοκίνητα, ποδηλάτες και πεζούς και να μετρήσει την κατεύθυνση και την επικείμενη ταχύτητα.

    radar2

    “Η προτεινόμενη προσέγγιση κάνει δυνατή την προειδοποίηση σύγκρουσης με πεζούς και ποδηλάτες σε πραγματικά σενάρια αυτόνομης οδήγησης – πριν αυτοί γίνουν ορατοί από τους υπάρχοντες αισθητήρες άμεσης οπτικής γωνίας”, γράφουν οι συγγραφείς.

    Τα τελευταία χρόνια, οι μηχανικοί έχουν αναπτύξει μια ποικιλία συστημάτων αισθητήρων που επιτρέπουν στα αυτοκίνητα να εντοπίζουν άλλα αντικείμενα στο δρόμο. Πολλά από αυτά τα συστήματα βασίζονται στη τεχνολογία lidar ή σε κάμερες που χρησιμοποιούν ορατό ή σχεδόν υπέρυθρο φως και αυτοί οι αισθητήρες που αποτρέπουν τις συγκρούσεις είναι πλέον συνηθισμένοι στα σύγχρονα αυτοκίνητα.

    Όμως, η οπτική ανίχνευση είναι δύσκολο να χρησιμοποιηθεί για τον εντοπισμό έξω από το πεδίο ορατότητας του αυτοκινήτου. Σε προηγούμενες έρευνες, η ομάδα του Heide χρησιμοποίησε φως για να εντοπίσει αντικείμενα κρυμμένα πίσω από τις γωνίες. Όμως, αυτές οι προσπάθειες προς το παρόν δεν είναι έχουν πρακτική χρήση στα αυτοκίνητα, επειδή απαιτούν λέιζερ υψηλής ισχύος και περιορίζονται σε μικρές αποστάσεις.

    Κατά τη διεξαγωγή αυτής της προηγούμενης έρευνας, ο Heide και οι συνάδελφοί του αναρωτήθηκαν αν θα ήταν δυνατό να δημιουργηθεί ένα σύστημα για την ανίχνευση κινδύνων έξω από το πεδίο ορατότητας του αυτοκινήτου χρησιμοποιώντας ραντάρ απεικόνισης αντί για ορατό φως. Η απώλεια σήματος σε λείες επιφάνειες είναι πολύ χαμηλότερη για τα συστήματα ραντάρ και το ραντάρ είναι μια αποδεδειγμένη τεχνολογία για την παρακολούθηση αντικειμένων.

    Η πρόκληση είναι ότι η χωρική ανάλυση του ραντάρ – που χρησιμοποιείται για την απεικόνιση αντικειμένων πίσω από γωνίες, όπως αυτοκίνητα και ποδήλατα – είναι σχετικά χαμηλή. Ωστόσο, οι ερευνητές πίστεψαν ότι θα μπορούσαν να δημιουργήσουν αλγόριθμους για την ερμηνεία των δεδομένων ραντάρ για να επιτρέψουν στους αισθητήρες να λειτουργήσουν.

    “Οι αλγόριθμοι που αναπτύξαμε είναι πολύ αποδοτικοί και ταιριάζουν στα συστήματα των αυτοκινήτων της τρέχουσας γενιάς”, δήλωσε ο Heide. “Έτσι, μπορεί να δείτε αυτήν την τεχνολογία να χρησιμοποιείται στην επόμενη γενιά οχημάτων.”

    Για να μπορέσει το σύστημα να διακρίνει αντικείμενα, η ομάδα του Heide επεξεργάστηκε ένα μέρος του σήματος του ραντάρ που τα τυπικά ραντάρ θεωρούν ως θόρυβο παρασκηνίου παρά ως χρήσιμες πληροφορίες. Η ομάδα εφάρμοσε τεχνικές τεχνητής νοημοσύνης για να βελτιώσει την επεξεργασία και να διαβάσει τις εικόνες. Ο Fangyin Wei, μεταπτυχιακός φοιτητής στην επιστήμη των υπολογιστών και ένας από τους κορυφαίους συγγραφείς της δημοσίευσης, δήλωσε ότι ο υπολογιστής που τρέχει το σύστημα έπρεπε να μάθει να αναγνωρίζει ποδηλάτες και πεζούς από μια πολύ σποραδική ποσότητα δεδομένων.

    “Πρώτα πρέπει να εντοπίσουμε αν υπάρχει κάτι. Εάν υπάρχει κάτι εκεί, είναι σημαντικό; Είναι ποδηλάτης ή πεζός;” είπε. “Τότε πρέπει να το εντοπίσουμε.”

    Ο Wei δήλωσε ότι το σύστημα ανιχνεύει επί του παρόντος πεζούς και ποδηλάτες επειδή οι μηχανικοί θεώρησαν ότι αυτά ήταν τα πιο δύσκολα αντικείμενα λόγω του μικρού τους μεγέθους και του ποικίλου σχήματος και κίνησης. Δήλωσε επίσης ότι το σύστημα θα μπορούσε να προσαρμοστεί ώστε να ανιχνεύει και οχήματα.

    Ο Χάιντ δήλωσε ότι οι ερευνητές σκοπεύουν να συνεχίσουν την έρευνα σε διάφορες κατευθύνσεις για εφαρμογές που περιλαμβάνουν τόσο το ραντάρ όσο και βελτιώσεις στην επεξεργασία σήματος. Δήλωσε επίσης ότι το σύστημα έχει τη δυνατότητα να βελτιώσει ριζικά την ασφάλεια των αυτοκινήτων. Δεδομένου ότι βασίζεται στην υπάρχουσα τεχνολογία αισθητήρων ραντάρ, είναι δυνατή η προετοιμασία του συστήματος ραντάρ για εφαρμογή στην επόμενη γενιά αυτοκινήτων.

    “Θα περάσει σίγουρα από τους πολύ αυστηρούς κύκλους ανάπτυξης της αυτοκινητοβιομηχανίας”, είπε. “Όσον αφορά την ενσωμάτωση και τη διάθεσή του στην αγορά, απαιτείται πολλή δουλειά. Αλλά η τεχνολογία υπάρχει, οπότε υπάρχει η δυνατότητα να το δούμε πολύ σύντομα στα οχήματα.”

    Εκτός από τους Heide και Wei, οι συγγραφείς της δημοσίευσης είναι οι Jürgen Dickmann, Florian Krause, Werner Ritter και Nicolas Schiener της Mercedes-Benz AG., οι Buu Phan και Fahim Mannan της Algolux, ο Klaus Dietmayer του Ulm University και ο Bernard Sick του Πανεπιστημίου του Κάσελ. Η υποστήριξη για την έρευνα παρέχεται εν μέρει από το πρόγραμμα H2020 ECSEL της Ευρωπαϊκής Ένωσης.

    Πηγή: https://light.princeton.edu/

     

    Τελευταία Άρθρα

    spot_img

    Δημοφιλή Άρθρα

    Σχετικά Άρθρα