近日，美國普林斯頓大學研發(fā)團隊公布了一項自動識別系統(tǒng)，該系統(tǒng)可以幫助汽車探測到拐角盲區(qū)處的行人和物體。

這項自動識別技術利用多普勒雷達作為探測手段，向車輛駕駛員提供盲區(qū)內(nèi)行人、自行車或者其他車輛的移動信息，并且該項技術可以輕松的整合進現(xiàn)在車輛中。

普林斯頓大學研發(fā)人員在2020年6月16日發(fā)表的論文中，詳細地描述了該系統(tǒng)如何區(qū)分包括汽車，自行車和行人在內(nèi)的物體，并計算出行駛方向和行駛速度。

目前，汽車工程師為車輛裝上了包括激光雷達、可見光或近紅外攝像頭等各種傳感器，減少車輛內(nèi)部駕駛員的盲區(qū)，以避免碰撞事故的發(fā)生。然而，這些傳感器卻很難發(fā)現(xiàn)汽車視野外的人員與物體，比如拐角處的行人。

▲自動識別系統(tǒng)工作原理示意

一、普林斯頓大學發(fā)布自動識別系統(tǒng) 幫助解決車輛盲區(qū)問題

近日，普林斯頓大學發(fā)布了一項車載自動識別系統(tǒng)，可幫助解決車輛的拐角盲區(qū)問題。

此項自動識別系統(tǒng)使用多普勒雷達作為探測手段，該型雷達常被用在車速探測器上和飛行速度很快的球類比賽中。該識別系統(tǒng)中的雷達發(fā)射雷達波，雷達波以一定的角度射向建筑物和汽車等表面，之后就像臺球撞擊球桌一樣進行反彈。

反彈后的雷達波繼續(xù)探測盲區(qū)拐角處的人員和物體，當遇到物體后，一些雷達波會反射回裝在車輛上的接收裝置上。自動識別系統(tǒng)根據(jù)接收到的信號，進行運算、分析和處理，從而判斷車輛盲區(qū)拐角處的人員或者物體是靜止的還是運動的。

這只是最基本的方面，自動識別系統(tǒng)還可對汽車、自行車乃至行人在內(nèi)的物體的運動方向和速度進行測算。

普林斯頓大學計算機科學的助教Felix Heide表示，自動識別系統(tǒng)將使汽車能夠探測到現(xiàn)在激光雷達和攝像頭等傳感器無法探測的被遮擋住的物體，例如，拐角叉路口的行人、車輛。多普勒雷達的成本比激光雷達和紅外攝像頭等傳感器的成本較低，耗能也更小，便于大規(guī)模的生產(chǎn)和應用。

另外，普林斯頓研發(fā)團隊稱，該系統(tǒng)可輕松整合進車輛中。

二、自動識別系統(tǒng)利用AI技術分辨騎自行車的人和普通行人

Heide助教還表示，在早期開發(fā)自動識別系統(tǒng)時，也走過彎路，并且遇到反射回的雷達波雜亂的問題。

在前期的系統(tǒng)開發(fā)過程中，普林斯頓的研發(fā)團隊使用光傳感器來探測隱藏在拐角處的物體。但這一想法目前不適用現(xiàn)在汽車，光傳感器耗能巨大，并且探測距離很近。

之后，該研發(fā)團隊就產(chǎn)生了能否研發(fā)一個系統(tǒng)，使用多普勒雷達而不是可見光傳感器來探測汽車視線之外的物體。

多普勒雷達的優(yōu)勢是，在光滑物體表面，雷達波損耗低，并且能有效地跟蹤運動物體；難題在于，雷達的分辨率（用于探測汽車和自行車等拐角處的物體）相對較低，返回的雷達波有雜波。

為應對多普勒雷達的雜波的問題，研發(fā)團隊處理了部分雷達信號，該團隊應用了人工智能技術來完善處理過程并讀取圖像。

另一位研發(fā)團隊成員說，運行該系統(tǒng)的計算機必須從非常微弱的信號中識別出騎自行車的人和普通行人。自別識別系統(tǒng)實用的第一步就是要探測出是否有物體，然后需要判定這個物體是否重要，是否會造成危險，比如是騎自行車的人還是普通行人。

之所以要區(qū)分騎自行車的人與行人，是因為研究人員認為這些物體體積較小，形狀和動作不一，是最有挑戰(zhàn)性的識別對象。

最后Heide助教說：“我們開發(fā)的算法非常高效，并且適合當前的汽車硬件系統(tǒng)，或許在下一代汽車中就能看到這項技術?！?/p>

結(jié)語：自動識別系統(tǒng)將助力自動駕駛的發(fā)展

汽車領域，電動化、自動化大潮趨勢越發(fā)明顯，受限于探測手段、探測盲區(qū)和生產(chǎn)成本等問題，自動駕駛一直不能放開腳步去發(fā)展。

普林斯頓大學的研發(fā)團隊開發(fā)的自動識別技術，利用多普勒脈沖雷達作為探測手段，不僅解決了光傳感器的探測盲區(qū)、范圍和功耗的問題，而且將降低車企的生產(chǎn)成本。

自動識別系統(tǒng)未來大規(guī)模的應用與完善將助力汽車自動駕駛的快速發(fā)展，讓出行更智能、更安全。