2020年7月4日 机器视觉与计算机视觉技术

阴影检测系统让自动驾驶汽车看到周围的角落

通过分析地面阴影的变化,无人驾驶汽车可以预测何时有车辆或行人从拐角处经过。

自动驾驶汽车通常被认为比人类驾驶员更安全,因为它们的反应时间和决策过程几乎是瞬间完成的。进一步提高他们对周围环境的了解,应该有助于避免类似2016年特斯拉(Tesla)致命撞车事故的情况。当时,特斯拉的自动驾驶功能未能将拖拉机拖车的白色一侧与后面明亮的天空区分开来。

现在,麻省理工学院(MIT)的工程师们开发了一种新的系统,他们说这种系统优于激光雷达,可以将停车时间提高0.5秒以上。研究人员说,虽然这听起来不是很多,但当涉及快速行驶的自动驾驶汽车时,几分之一秒的时间可以在事故场景中产生重大影响。

”机器人移动应用程序的环境中与其他移动物体或人,我们的方法可以给机器人一个预警,有人在拐角处,所以车辆可以慢下来,调整其路径和提前准备以避免碰撞,”研究员罗斯丹妮拉说。“最大的梦想是为在大街上快速行驶的车辆提供某种‘x射线视觉’。”

目前,该系统仅在室内环境下进行了测试。机器人在室内的速度要低得多,光照条件也更一致,这使得系统更容易感知和分析阴影。

在他们的工作中,研究人员建立了一个名为“影子摄像机”的系统,该系统使用计算机视觉技术来检测和分类地面阴影的变化。

该系统使用来自瞄准特定区域的摄像机的视频帧序列,比如角落前面的地板。它可以检测到光线强度随时间的变化,从一幅图像到另一幅图像,这可能表明有什么东西正在远离或靠近。

其中一些变化可能很难检测到或肉眼看不到,可以由对象和环境的各种属性来确定。

ShadowCam计算这些信息,并将每个图像归类为包含一个静止的物体或一个动态的、移动的物体。如果是动态图像,它会做出相应的反应。

将影子摄像头应用到自动驾驶汽车上需要一些进展。例如,早期的版本依靠的是一种叫做“AprilTags”的增强现实标签,类似于简化的二维码。机器人扫描标签来检测和计算它们相对于标签的精确三维位置和方向。ShadowCam使用标记作为环境的特征来瞄准可能包含阴影的特定像素块。然而,使用AprilTags修改现实环境是不切实际的。

研究人员开发了一种结合图像配准和新的视觉里程测量技术的新方法。图像配准通常用于计算机视觉,它本质上是覆盖多个图像以显示图像中的变化。

研究人员特别采用了“直接稀疏测程法”(DSO),它可以在类似于AprilTags捕获的环境中计算特征点。本质上,DSO在3D点云上绘制环境的特征,然后计算机视觉管道只选择位于感兴趣区域的特征,比如角落附近的地板。

研究人员在一辆停在停车场的自动驾驶汽车上安装了影子摄像头,在那里,前灯被关闭,模拟夜间的驾驶条件。他们比较了汽车检测时间和激光雷达。在一个示例场景中,ShadowCam检测到汽车掉头柱比激光雷达大约快0.72秒。此外,由于研究人员特别根据车库的照明条件调整了荫凉摄像头,该系统的分类准确率达到了86%左右。

研究人员表示,他们将进一步开发该系统,使其能在不同的室内和室外照明条件下工作。

Banner
Related Posts

CMU的研究人员设计出利用计算机视觉来观察周围角落的新技术

2019年6月20日

2019年6月20日

未来的自动驾驶汽车和其他机器智能系统可能不需要视线来收集极其详细的图像数据:卡内基梅隆大学(Carnegie Mellon University)、多伦多大学(University of Toronto)和伦敦大学学院(University College London)的一项新研究设计出了一种“观察周围角落”的技术。

图像识别没你想的那么难!看完这篇你也能成专家

2019年6月2日

2019年6月2日

本地生活场景中包含大量极富挑战的计算机视觉任务,如菜单识别,招牌识别,菜品识别,商品识别,行人检测与室内视觉导航等。

图像处理中的深度学习技术

2018年8月9日

2018年8月9日

机器学习中的另一种技术是例如“超级矢量机”。与深度学习相比,必须手动定义和验证功能。在深度学习中,神经网络采用这一手动步骤:在训练过程中,独立地自动识别和提取特征。

掌握计算机视觉开发技能的8个步骤

2019年8月5日

2019年8月5日

在与几位致力于人工智能和计算机视觉项目的开发人员交谈之后,我提出了八个步骤,成为一名出色的计算机视觉开发人员。但是,在深入研究每个步骤之前,让我们看一下计算机视觉技术最适合的案例:

计算机视觉的优点和局限性

2019年9月10日

2019年9月10日

计算机视觉是计算机科学的一个分支,它允许机器系统实时地查看、处理和解释视觉信息。

恶意的机器学习如何破坏人工智能

2019年3月26日

2019年3月26日

人工智能安全专家Dawn Song警告称,“对抗性机器学习”可用于逆向工程系统 - 包括用于防御的系统。

新的过滤器增强了机器人对6D姿态评估的视觉感知能力

2019年8月7日

2019年8月7日

研究人员最近进行了一项关于6D物体姿态估计的研究,目的是开发一种过滤器,使机器人具有更强的空间感知能力,从而能够更准确地操纵物体和在空间中导航。

为什么数据科学在高级图像识别中很重要?

2020年1月17日

2020年1月17日

由于视觉和语音是两个至关重要的人类交互元素,数据科学能够利用计算机视觉和语音识别技术来模拟这些人类任务。即使它已经开始模仿和杠杆在不同的领域,特别是在电子商务部门。机器学习的进步和高带宽数据服务的使用增强了图像识别的应用。

深度学习“瓶颈”已至,计算机视觉如何突破困局?

2018年8月9日

2018年8月9日

从人工智能的发展过程看,深度学习是继专家系统之后人工智能应用的又一重要研究领域,也是人工智能和神经计算的核心研究课题之一。Alan Yuille认为,现在做AI不提神经网络,成果都很难发表了,这不是一个好势头。

计算机视觉软件市场的最新趋势

2018年8月9日

2018年8月9日

计算机视觉软件正在改变各个行业,不仅使消费者的生活更容易,而且让人产生兴趣。作为一个领域,计算机视觉已经获得了大量的宣传和投资。北美计算机视觉软件市场总投资额为1.2亿美元,而中国市场则飙升至39亿美元。

研究人员发现用于3D视觉的神经元

2019年7月5日

2019年7月5日

英国纽卡斯尔大学的科学家在昆虫大脑中发现了计算3D距离和方向的神经元。了解这些可能有助于提高和发展机器人视觉应用。

神经科学与计算机视觉合作可以更好的理解视觉信息处理

2019年5月8日

2019年5月8日

神经科学家和计算机视觉科学家表示,一个空前庞大的新数据集将帮助研究人员更好地理解大脑是如何处理图像的。

利用机器学习消灭撒哈拉以南非洲采采蝇

2018年8月9日

2018年8月9日

“我们将使用数据科学来创建一个基于机器学习的自动化系统,它可以从采采蛹中快速确定是雄性还是雌性,”Zsuzza Marka说。这一系统将成为机器人分拣机的基础,我们希望该机器最终将用于撒哈拉以南非洲地区,以减轻采采蝇的危害。”

计算机视觉在钢铁夹杂物分析中的应用研究

2019年12月5日

2019年12月5日

卡内基梅隆大学材料科学与工程学(MSE)教授布莱恩·韦伯勒(Bryan Webler)表示:“夹杂物是一些微小的颗粒始终漂浮在钢中,”。固相夹杂物会聚在一起,堵塞喷嘴和其他控制钢水流动的流量控制系统。一些夹杂物化学成分会降低钢的延展性、抗疲劳性或整体韧性。 “它们会影响钢材的最终性能,这就是我们如此关心它们的原因。”

计算机视觉以及它在商业中是如何应用的?

2019年9月17日

2019年9月17日

事实证明,大多数人认为理所当然的东西,即能够看到、处理并对视觉输入采取行动的能力,在机器中是非常难以复制的。这正是计算机视觉(cv)的目标。虽然计算机视觉可能不如人类视觉先进,但它今天已经发展到在商业中非常重要的地步。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注