密歇根理工大学进行测试 探索全自动驾驶汽车在恶劣天气下的行驶状况

据外媒报道，密歇根理工大学霍顿校区的研究人员目前正在测试全自动驾驶汽车在恶劣天气下的驾驶条件。测试在密歇根州的基维诺半岛进行。该半岛每年冬天的平均降雪量超过200英寸，是自动驾驶汽车技术极限测试的理想场所。在最近的SPIE防务+商业传感2021会议上发表的两篇论文中，密歇根理工学院的研究人员提出了雪地驾驶场景的解决方案，有助于在芝加哥、底特律、明尼阿波利斯和多伦多等多雪城市实现自动驾驶。

第一篇论文涉及提供多传感器融合和人工智能来改善自动驾驶汽车的导航。在自动驾驶汽车中，安装在平衡环中的两个摄像头使用立体视觉进行扫描和感知深度，以模仿人类视觉，同时使用惯性测量单元来估计平衡和运动。然而，计算机只能对以前通过编程遇到或识别的场景做出响应。由于人工大脑尚未出现，用于特定任务的人工智能算法必须控制车辆，这意味着自动驾驶汽车必须依赖于多个传感器。鱼眼相机的视场更大，而其他相机的视场与人眼非常接近；红外接收热信号；雷达可以穿透雾和雨；用于光探测和测距的激光雷达可以在黑暗环境中使用，并发射多个激光束，形成霓虹挂毯。密歇根理工学院计算学院助理教授、该研究的主要研究员Nathir Rawashdeh表示，“每个传感器都有局限性，但它们是相辅相成的。”。Nathir Rawashdeh也表示， “传感器融合使用具有不同模式的多个传感器来理解场景。当输入包含复杂模式时，我们无法对每个细节进行详细编程，因此需要人工智能。博斯实验室的硕士和研究生Akhil Kurup、Derek Chopp和Zach Jeffries也参与了该项目。第二篇论文涉及自动驾驶汽车系统可以区分动物和雪。大多数自动传感器和自动驾驶算法的开发环境阳光明媚，视野清晰。但并不是所有地方的天气都和亚利桑那州或南加州一样。因此，当降雪量很大时，博斯实验室开始从密歇根理工学院收集自动驾驶汽车的本地数据。Rawashdeh团队，特别是Abu Alrub，从德国和挪威被雪覆盖的道路上收集了1000多帧激光雷达、雷达和图像数据，并开始教授他们的人工智能程序来理解和穿透雪。博斯说：“并非所有的雪都是一样的。因此，雪的多样性也给传感器检测带来了挑战。Rawashdeh补充道：“预处理数据和确保准确的标签对于确保准确性和安全性至关重要。”。人工智能就像一个厨师，好的食材可以做出好的饭菜。如果提供给人工智能学习网络的数据很差，结果也会很差。低质量数据的问题与实际污垢的问题相同。就像道路上的泥土一样，传感器积雪的问题可以解决，但非常麻烦。即使视觉清晰，自动驾驶汽车的传感器在检测障碍物时也不总是一致的。博斯举了一个很好的例子，传感器在清理当地收集的数据时发现了一只鹿。激光雷达表明斑点并不重要，而在相机中，它就像一个昏昏欲睡的人拿着方向盘，但红外传感器会大喊“哇”。让传感器和它们的风险评估相互交流和学习，就像印度三个盲人发现大象的寓言一样：每个人触摸大象的不同部位：耳朵、鼻子和腿，然后得出不同的结论。通过传感器融合，Rawashdeh和Bos希望自主传感器能够合作找到答案，无论结果是大象、鹿还是雪堆。正如博斯所说，“通过使用传感器融合，我们将得出一个全新的估计，而不是严格的投票

标签：发现

汽车资讯热门资讯