27.10.2021
Наш канал в Telegram: https://t.me/berzaru

Беспилотные автомобили научились хорошо видеть сквозь туман

Pointillism system

Туман, пыль, повышенная влажность и плохая видимость теперь не помеха для радарных систем беспилотных автомобилей при условии, что они оснащены не одним, а двумя разнесёнными радарами. Их данные анализируют алгоритмы машинного обучения, один их которых определяет габариты автомобилей, а другой отфильтровывает шум. Таким образом, выявляется точное положение других автомобилей при любых погодных условиях. Новая система использования радаров была предложена учёными Калифорнийского университета (Сан-Диего), исследование возглавил Кшниц Бансаль (Kshitiz Bansal).

Беспилотные автомобили передвигаются на дорогах благодаря информации, собранной радарами, видеокамерами и лидарами. Все они имеют как свои достоинства, так и недостатки. На оптические приборы (камеры и лидары) влияют погодные условия, пыль и туман снижают прозрачность окружающей среды. Радар от погоды зависит гораздо меньше, но радиоволны, которые он испускает, при падении под острым углом отражаются в сторону от источника и не возвращаются. Поэтому объекты, построенные благодаря данным радара, не столь точны.

Новую систему, строящую точное изображение окружающих автомашин, калифорнийские учёные назвали Pointillism. Она использует данные сразу нескольких разнесённых радаров, облучение цели происходит под разными углами, благодаря чему процент возвращённых сигналов значительно увеличивается. Компьютерная симуляция позволила выявить, что расстояние между радарами в 1,5 метра и более дает скачкообразный рост точности, тогда как дополнительные радары почти не меняют данные.

Сложность для создания точной модели других автомобилей на дороге создают дополнительные шумы — они неизбежно попадают в расчёты. В этом случае на помощь приходит алгоритм перекрёстного анализа данных: схожие координаты опорных точек, вероятнее всего, реальны, тогда как данные шумов различны.

Для автопилота другие автомобили выглядят как рамки (параллелепипеды в 3D), и машинное обучение позволяет их строить максимально точно, подключая информацию, собранную с помощью радаров, лидаров и видеокамер. Калифорнийцы буквально «тренировали» систему Pointillism в полевых условиях на реальных дорогах. Когда система решила задачу создания рамок автомобилей более 50 тысяч раз, она стала обнаруживать автомобили при любой погоде и под любым углом.

Система успешно доказала свою перспективность, даже при том, что не все производители беспилотных автомобилей посчитали её необходимой. Например, компания Apple видит её в качестве замены сенсорного экрана.