AI提升自动驾驶夜视能力

环境感知是自动驾驶领域的重要任务之一。在没有反射光的黑暗环境中,传统摄像头无法很好地捕捉图像,雷达和激光雷达也容易受到干扰。在视线不佳的夜晚或雨天,自动驾驶汽车可能难以区分真人和人形纸板。现在,一种新的热成像技术可以有效应对雾、烟和黑暗等视觉障碍影响,护航自动驾驶汽车安全出行。

这种新方法是由来自美国印第安纳州普渡大学的Zubin Jacob及其他机构的研究者提出的一种热辅助探测和测距系统(HADAR),它能够穿透视觉障碍物,通过检测物体的温度和热辐射模式来创建详细、清晰的图像,训练AI来确定热图像中每个像素的物体温度、能量特征和物理质地。借助该系统,可以在环境视线不佳时获得精细的环境图像,使得自动驾驶汽车在黑暗中也能准确感知环境。

为了训练AI,研究团队在夜间使用先进的多光谱热像仪和成像传感器在户外捕获数据,这些传感器能够显示整个电磁频谱的能量发射。此外,他们还创建了户外环境的计算机仿真,用于额外的AI训练。

HADAR学会了探测物体并估计与这些物体的距离,其准确度比仅依靠传统夜视技术高10倍。Jacob表示,该系统的夜间性能与传统物体检测系统在白天的性能相当。相比传统的摄像头和雷达技术,HADAR能够解决摄像头无法捕捉到图像和雷达受干扰的问题,大大提升了自动驾驶系统在夜间和恶劣天气条件下的环境感知能力。

尽管如此,这种概念验证演示距离在自动驾驶汽车上落地应用尚需数年时间。体积庞大、价格昂贵的相机和成像设备仍需以更小的形式生产制造,成本也必须大大降低。据了解,HADAR演示使用了一台价值1万美元的热成像相机和一台价值超过100万美元的军用级高光谱成像仪。

此外,HADAR落地应用还面临数据收集和处理效率的挑战。目前,数据收集和处理过程需要大约一分钟的时间,而为了在自动驾驶汽车中应用该系统,这一过程需要在几毫秒内完成。

北卡罗来纳州杜克大学的Miroslav Pajic表示,这种系统的准确性和可靠性仍需在各种不同环境中进一步测试。Pajic说,但是,HADAR这种新的环境推理感知方式,特别是摄像头在黑暗条件表现不佳的情况下,作为现有摄像头和传感器的补充,绝对是一个优势。

（编辑：马慧彬）