自动驾驶车能看到拐角物体了

基于激光系统的深度学习可以提供角落物体的实时成像，未来可以用于军事和救援。来自莱斯大学、斯坦福大学、普林斯顿大学和南卫理公会大学的研究人员开发了一种新的成像方法，在分辨率和扫描速度上超过了以前的技术，使使用激光来看不见的物体和信息变得更加可行。美国军方对此非常感兴趣，其国防高级研究计划局(DARPA)资助了这项工作。原因很清楚:美国宇航局想用它来拍摄洞穴，并在其轨道上安装太空设备。从《光学杂志》(Optica optical journal)发表的研究成果描述中可以看出，有一天，救援人员窥视地震受损建筑或帮助自动驾驶汽车通过困难的十字路口，可能不是不可能。当然，在目前的情况下，只能算一个科学项目，即使有潜力应用到一般消费品市场，也要等很多年才能有成果。最早的偷窥方案出现在2012年，在研究激光通过反射表面的时间变化以及比较目标回波和传输信号方面取得了突破。然而，这种依赖于投影时间的测量形式需要几个小时的扫描时间来产生几厘米的图像。后来，其他方法被开发出来，例如观察图像中的反射光来推断缺失的部分。最新的研究集中在斑点上。由于激光的高相干性，激光散斑现象更加明显。

这个干涉图案的图案也是有缺陷的。为了显示隐藏在散斑中的图像，需要收集大量的空间信息——这个过程我们称之为非视线相关记录，但问题是它需要太多的计算。因此，研究人员使用深度学习方法来加速分析。“图像采集需要四分之一秒，结果是亚毫米分辨率，”领导该项目的斯坦福大学电气工程博士后克里斯·梅茨勒(Chris Metzler)解释说，“问题是，该系统只能通过大幅缩小视野来实现这些结果，”莱斯大学电子工程和计算机科学副教授阿肖克·维拉拉加文(Ashok Veeraragavan)说。“斑马编码会干扰信息，随着面积的增加，分辨率变差。它可以识别车牌，但捕捉整个房间并不理想。”，上面提到的两种方法可以互补。激光的投射时间在宽敞的空间是有用的，散斑分析可以帮助读取特定的信息。然而，为了避免干扰，所有这些任务都需要两个独立的系统来操作不同波长的激光。

它看起来像大理石桌子吗？在这个阶段，角落实验是在近距离进行的，研究人员希望将其扩展。“任何用来偷窥角落的方法都还是‘实验室约束’，主要是现实场景中太阳光等问题的干扰。”维拉哈万继续说道，“今天宣布的结果是研究人员在理想的光照条件下，在一米的范围内取得的。或许，未来尝试发射红外激光是一种可行的方法。”然而，也有一种吸引人的可能性，这将需要朝着更短的波长发展技术。届时，由于频段足够小，大部分可识别的细节都不成问题，包括人和车。

标签：

汽车资讯热门资讯