據(jù)外媒報(bào)道，為了提高自動(dòng)駕駛系統(tǒng)的安全性，麻省理工學(xué)院的工程師們開發(fā)了一種系統(tǒng)，可以感知地面陰影中的微小變化，從而確定是否有移動(dòng)的物體從拐角處經(jīng)過。未來，自動(dòng)駕駛汽車有望使用該系統(tǒng)，快速避開拐角處的其他車輛或行人，以及周圍停放的車輛，以免發(fā)生碰撞。

圖片來源：麻省理工學(xué)院

研究人員在論文中描述了自動(dòng)駕駛汽車在停車場成功行駛的實(shí)驗(yàn)。當(dāng)探測到有車輛駛近并停車時(shí)，此種基于車輛的系統(tǒng)比傳統(tǒng)只能探測到可見物體的激光雷達(dá)要快半秒。目前，該系統(tǒng)僅在室內(nèi)環(huán)境下進(jìn)行了測試。機(jī)器人在室內(nèi)的速度要慢得多，照明條件也更一致，因此系統(tǒng)更容易感知和分析陰影。

擴(kuò)展ShadowCam

研究人員構(gòu)建了名為ShadowCam（陰影攝像頭）的系統(tǒng)，使用計(jì)算機(jī)視覺技術(shù)，檢測和分類地面陰影的變化。此前，麻省理工學(xué)院教授William Freeman和Antonio Torralba合作開發(fā)了該系統(tǒng)的較早版本。

ShadowCam使用攝像頭的視頻幀序列，瞄準(zhǔn)特定的區(qū)域，例如角落前方的地面。該系統(tǒng)可以根據(jù)多幅圖像，檢測光線強(qiáng)度隨時(shí)間的變化，這些變化可能表明有物體正遠(yuǎn)離或靠近。其中一些變化肉眼可能很難檢測到，但是可以由對象和環(huán)境的各種屬性來確定。ShadowCam計(jì)算這些信息，并將圖像進(jìn)行分類，分別為包含靜止物體的圖片，或包含動(dòng)態(tài)的、移動(dòng)的物體的圖片。如果是動(dòng)態(tài)圖像，該系統(tǒng)就會(huì)做出相應(yīng)的反應(yīng)。

將ShadowCam應(yīng)用到自動(dòng)駕駛汽車上需要一些進(jìn)展。例如，早期的版本利用增強(qiáng)現(xiàn)實(shí)標(biāo)簽AprilTags，類似于簡化的二維碼，將區(qū)域進(jìn)行排列。機(jī)器人掃描AprilTags，檢測并計(jì)算它們相對于標(biāo)簽的精確3D位置和方向。ShadowCam使用標(biāo)簽作為環(huán)境特征，瞄準(zhǔn)可能包含陰影的特定像素塊。但是利用AprilTags修改現(xiàn)實(shí)環(huán)境是不現(xiàn)實(shí)的。

研究人員開發(fā)了新方法，結(jié)合了圖像配準(zhǔn)和新的視覺測程技術(shù)。圖像配準(zhǔn)通常用于計(jì)算機(jī)視覺，本質(zhì)上是對多個(gè)圖像進(jìn)行標(biāo)注，以顯示圖像中的變化。

視覺測程技術(shù)通過分析圖像序列中的姿態(tài)和幾何圖形，實(shí)時(shí)估計(jì)攝像頭的運(yùn)動(dòng)。研究人員特別采用直接稀疏測程法（DSO），可以在類似AprilTags捕獲的環(huán)境中計(jì)算特征點(diǎn)。本質(zhì)上，DSO在3D點(diǎn)云上繪制環(huán)境特征，然后計(jì)算機(jī)視覺管道只選擇位于興趣區(qū)域的特征，例如角落附近的地板。（事先手動(dòng)標(biāo)注興趣區(qū)域。）

由于ShadowCam獲取興趣區(qū)域的輸入圖像序列，因此使用的是DSO圖像配準(zhǔn)方法，標(biāo)注機(jī)器人相同視點(diǎn)的所有圖像。即使機(jī)器人移動(dòng)時(shí)，也能夠瞄準(zhǔn)陰影處的像素點(diǎn)，幫助檢測圖像之間的細(xì)微偏差。

接下來是信號放大?？赡馨幱暗南袼仡伾由?，會(huì)降低信噪比。這使得陰影變化的極其微弱的信號更容易被探測到。增強(qiáng)信號部分取決于它與附近其他陰影的偏離程度，如果達(dá)到某個(gè)閾值，ShadowCam會(huì)將該圖像歸類為動(dòng)態(tài)圖像。根據(jù)信號的強(qiáng)度，系統(tǒng)可能會(huì)告訴機(jī)器人減速或停止。研究人員表示，“如果檢測到該信號，你就必須小心了。它可能是從角落后面跑出來的人的影子，或者是一輛停著的車的影子，所以自動(dòng)駕駛汽車會(huì)減速或者完全停下來?！?

無標(biāo)簽測試

在一項(xiàng)測試中，研究人員使用AprilTags和基于DSO的新方法評估了該系統(tǒng)對移動(dòng)或靜止的物體進(jìn)行分類的性能。這兩種方法的分類準(zhǔn)確率都達(dá)到了70%，表明不再需要AprilTags。

在另一項(xiàng)測試中，研究人員在停車場中的一輛自動(dòng)駕駛汽車上安裝ShadowCam，關(guān)閉大燈，模擬夜間駕駛條件，并與激光雷達(dá)比較車輛檢測時(shí)間。在一個(gè)示例場景中，ShadowCam檢測到柱子后面駛來的車輛的速度比激光雷達(dá)大約快0.72秒。此外，由于研究人員特別根據(jù)車庫照明條件，對ShadowCam進(jìn)行調(diào)整，使其分類準(zhǔn)確率達(dá)到86%左右。

下一步，研究人員將進(jìn)一步開發(fā)該系統(tǒng)，以確保其可在不同的室內(nèi)和室外照明條件下工作。未來，可能會(huì)有方法加速系統(tǒng)的陰影檢測速度，實(shí)現(xiàn)目標(biāo)區(qū)域標(biāo)注過程的自動(dòng)化。