Беспилотные автомобили смогут видеть дорогу даже сквозь дождь, снег и туман

Американские учёные разработали радарную систему для беспилотных автомобилей, которая позволяет достоверно определять положение и ориентацию автомобиля на дороге в условиях нулевой видимости.
Беспилотные автомобили смогут видеть дорогу даже сквозь дождь, снег и туман
Pixabay

Для этого оказалось достаточно всего лишь оборудовать автомобиль ещё одним радаром

Системы автономного вождения беспилотных автомобилей контролируют окружающее пространство при помощи камер, радаров и лидаров. Лидар, который представляет собой лазерный дальномер, позволяет точно определять расстояние до объектов, но дождь, снег, туман и даже пыль создают существенные помехи и сбивают его с толку, поскольку эффективная работа лазера напрямую зависит от прозрачности окружающей среды. Разумеется, всё то же самое справедливо и для камер.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Туман существенно ухудшает точность данных с радаров из-за особенностей распространения радиоволн. Кроме того, из-за использования миллиметровых волн изображение с радара обладает довольно низким разрешением, поэтому с одной только их помощью распознать все объекты на дороге весьма проблематично. Американские учёные из Калифорнийского университета в Сан-Диего разработали систему под названием Pointillism, которая позволяет значительно увеличить точность данных, получаемых с радара.

Для этого инженеры решили использовать несколько разнесённых радаров, которые облучают цель под разными углами для увеличения шансов на получение обратного сигнала. Они расположили два приёмопередатчика в передней части модели автомобиля слева и справа на расстоянии 1,7 метра друг от друга. Такая конфигурация была выбрана на основе моделирования, которое показало, что при увеличении дистанции более 1,5 метров точность резко возрастает, а введение дополнительных радаров её почти не увеличивает.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Чтобы избавиться от помех, учёные разработали алгоритм перекрёстного анализа данных: если оба радара фиксируют опорные точки близко друг от друга, то скорее всего, это реальный объект, поскольку шумы разных радаров, как правило, независимы друг от друга. После фильтрации помех система строит модель объекта, а для повышения точности работы алгоритма было применено машинное обучение: радарное изображение сопоставлялось с данными на основе лидаров и камер.

Базу данных для обучения инженеры сделали самостоятельно, проехав по реальным дорогам и собрав 54 тысячи радарных изображений. После тренировки система Pointillism смогла обнаруживать другие автомобили даже при нулевой видимости из-за плохих погодных условий. Скорость работы алгоритма зависит от вычислительной мощности: при использовании процессора NVIDIA GTX 1080 Ti она составила 50 кадров в секунду.