""

澳门太阳城网站-最新注册

  • 澳门太阳城最新网站的工程师已经开发出自主的车辆,在检测地面上的阴影的微小变化,以确定是否有移动物体来在即,例如当另一辆车是从车库柱子后面接近的系统。

    澳门太阳城最新网站的工程师已经开发出自主的车辆,在检测地面上的阴影的微小变化,以确定是否有移动物体来在即,例如当另一辆车是从车库柱子后面接近的系统。

    全屏

帮助自主车见微知著看

澳门太阳城最新网站的工程师已经开发出自主的车辆,在检测地面上的阴影的微小变化,以确定是否有移动物体来在即,例如当另一辆车是从车库柱子后面接近的系统。

通过感应阴影微小的变化,新的系统识别接近的物体,可能会导致冲突。


记者联系

艾比abaz要么ius
电子邮件: abbya@mit.edu
电话:617-253-2709
澳门太阳城最新网站新闻办公室

以提高自主系统的安全性,澳门太阳城最新网站的工程师已经开发出可以感觉到地面上阴影的微小变化,以确定是否有蠢蠢欲动未来的移动物体的系统。  

自主汽车有朝一日利用系统快速避免与另一辆汽车或行人从周围建筑物的角落或在停放的汽车之间出现的潜在的碰撞。在未来,可能导航医院走廊里的机器人,使药物或供应交货,使用该系统,以避免撞到人。

在一份文件上,在智能机器人与系统(的IRO)下周的国际会议上被提出,研究人员描述了具有自主车周围的停车场驾驶和自主导航轮椅走廊成功的实验。传感和停止接近车辆时,车为基础的系统节拍传统激光雷达 - 这只能检测可见对象 - 超过半秒。

研究人员说,可能看起来并不多,但第二件事分数当涉及到快速移动的自主车。

“为机器人已经四处移动与其它移动物体或人的环境中的应用,我们的方法可以给机器人的早期警告,有人蠢蠢欲动的到来,使车辆可以减缓,适应它的路径,并提前做好准备,以避免发生碰撞时,补充说:”合着者丹妮拉RUS,计算机科学的主任和人工智能实验室(CSAIL)和安德鲁和电气工程和计算机科学的尔娜维特教授。 “大梦是提供各种各样的‘X光透视’的车辆,在街道上快速移动。”

目前,该系统只在室内环境中进行测试。机器人的速度要低得多室内,和照明条件更一致,更容易使系统检测和分析阴影。

在纸张上加入RUS是:第一作者费利克斯·纳塞尔SM '19,曾任研究员CSAIL;亚历山大·阿米尼,一个CSAIL研究生;伊戈尔gilitschenski,一个CSAIL博士后;刚毕业的大学生克里斯蒂娜廖'19;丰田研究所的家伙罗斯曼;和sertac卡拉曼,航空航天澳门太阳城最新网站的副教授。

延长shadowcam

为他们的工作,研究人员建立了自己的体系,被称为“shadowcam”,即运用计算机视觉技术来检测和分类的变化在地面上的阴影。澳门太阳城最新网站教授威廉·弗里曼和安东尼奥·托拉尔瓦,谁不上的IRO论文合着者,合作的较早版本的系统,这是在2017年和2018年提出了在会议中。

用于输入,shadowcam使用的视频帧的序列从相机针对一个特定的区域,如在一个角落的前面的地板上。它检测随时间的光强度的变化,从图像到图像,即可以指示某物移动远离或越来越近。其中的一些变化可能是难以检测或不可见的肉眼,并且可以由对象和环境的各种属性来确定。 shadowcam计算,信息和各图像为包含静止物体或动态,移动一个分类。如果它得到一个动态的图像,它相应地做出反应。

对于自主车适应shadowcam需要一些进步。早期的版本,例如,依靠衬与增强现实标签叫“apriltags”,它类似于简化的QR码的区域。机器人扫描apriltags检测并相对于所述标签的精确的三维位置和取向计算。 shadowcam使用的标记作为环境的特征对可能含有的阴影像素的特定补丁零英寸但修改真实世界环境与apriltags是不实际的。

研究人员开发了结合了图像配准和一个新的视觉里程计技术的新方法。在计算机视觉经常使用,图像配准基本上覆盖多个图像以显示在图像中的变化。医学图像配准,例如,重叠医学扫描比较和分析解剖学差异。

视觉里程计,用于火星车,估计在实时照相机通过图像序列分析姿态和几何运动。研究者采用专门的“直接稀疏测距”(DSO),其可以以类似于由apriltags捕获环境计算特征点。本质上,在三维点云的环境中,然后的DSO地块特征的计算机视觉管道只选择位于感兴趣的区域的特征,例如靠近角落的地板上。 (感兴趣区域手动预先注释。)

作为shadowcam取的感兴趣的区域的输入图像序列时,它使用DSO-图像的配准的方法来覆盖所有从机器人的相同的视点图像。即使机器人运动时,它能够在零上,其中一个影子所在,以帮助其检测图像之间的任何细微偏差像素完全相同的补丁。

下一个是信号放大,在第一纸张引入的技术。可能包含阴影像素获得颜色降低了信噪比的升压。这使得极其微弱的信号从阴影变化更为检测。如果升压信号达到一定的阈值 - 部分基于它与其周边的阴影多少偏离 - “动态” shadowcam形象作为分类取决于信号的强度,系统可能会告诉机器人减速或停止。

“通过检测信号,你就可以小心。它可能是从墙角或停放的汽车后面跑一些人的影子,所以自主车能减慢或完全停止,”纳赛尔说。

无标签测试

在一次试验中,研究人员使用apriltags和新的基于DSO的方法移动或静止的物体进行分类评估系统的性能。一个自治轮椅朝各个角落的走廊,而转向人类转危为安到轮椅上的路径。这两种方法得到相同的70%的分类准确度,指示不再需要apriltags。

在一个单独的测试中,研究人员在一个停车场,那里的大灯被关闭,模拟夜间驾驶条件下实现shadowcam在自主轿车。他们比较了汽车检测与时代激光雷达。在一个示例场景,shadowcam检测车掉头柱子比激光雷达快0.72秒。此外,由于研究人员调整shadowcam专门车库的照明条件下,该系统实现了大约86%的分类精度。

接下来,研究人员正在进一步开发该系统在不同的室内和室外照明的条件下工作。在未来,可能还会有办法加快系统的阴影检测和自动标注有针对性的领域感阴影的过程。

这项工作是由丰田研究所资助。


主题: 研究, 计算机科学和人工智能实验室(CSAIL), Electrical Engineering & Computer Science (eecs), 航空航天工程, 工程学院, 计算机科学与技术, 算法, 机器人, 机器人, 自主车, 汽车, 人工智能, 机器学习, 运输, 技术与社会

回到顶部