首页 > 资讯>暴风雪中的测试:如何解决恶劣天气中的自动驾驶难题?

暴风雪中的测试:如何解决恶劣天气中的自动驾驶难题?

时间:2021-06-08 13:48:01 资讯 我要投稿
没人喜欢在暴风雪中驾驶,包括自动驾驶汽车。为了让自动驾驶车型能更安全地在雪地上行驶,工程师们尝试从车辆自身的角度看待相关问题。
在恶劣的天气中行驶是全自动驾驶车辆面临的主要挑战之一,更别提在大雪气候中,车辆传感器的重要数据很容易被干扰。这些被干扰的数据原本用于辅助车辆测量深度、找到障碍物,并在道路标线可见的情况下,使车辆行驶在线路的正确方位。


冬季雪后很难找到可供车辆行驶的道路。传感器和图像处理技术可以帮助自动驾驶车辆在雪地条件下更好地实现导航功能。
密歇根州的基维诺半岛每年冬天的平均积雪厚度超过200英寸,这里是将自动驾驶技术发展到极致的最佳地点之一。在SPIEDefense+Commercial Sensing 2021大会上,密歇根理工大学(Michigan Technology University)的研究人员发表了两篇论文,他们在论文中讨论了雪地驾驶场景下,自动驾驶汽车固有问题的解决方案。这些解决方案甚至能让芝加哥、底特律、明尼阿波利斯和多伦多这样的多雪城市市民,也能敢于使用自动驾驶功能。
和日常驾驶天气一样,自动驾驶不是在「晴天」和「雪天」之间作非此即彼的选择。
自动驾驶汽车涵盖了多个级别,从已上市的、带有盲点警告系统或制动辅助系统的汽车,到可以选择是否切换到自动驾驶模式的汽车,再到其他的全自动驾驶汽车
多家汽车制造商和一些研究型大学仍在不停对自动驾驶的技术和算法作出调整。如果偶尔发生事故,要么是由于汽车的人工智能(AI)判断失误,要么是因为人类驾驶员滥用自动驾驶功能。
其实,人类也有传感器:我们用于扫描场景的眼睛,我们的平衡感和运动感,以及我们大脑的处理能力,都能帮助我们了解所处的环境。这些看似基本的能力,能让我们在几乎任何场景中驾驶汽车——即使某个场景对于我们来说是完全陌生的。
这是因为,人脑擅于收集、概括新奇的体验并进行推导。在自动驾驶车辆中,通常会由安装在稳定器上的两个摄像头模拟人类视觉,通过立体扫描和深度感知,同时使用惯性测量单元来测量平衡和运动。但是,计算机只能对他们以前遇到过或者能被程序识别的情况做出反应。
由于人工大脑尚未出现,因此必须使用能完成特定任务的AI算法,这意味着自动驾驶车辆必须依赖多个传感器:鱼眼相机可以扩大视野,而其他相机起到和人眼相似的作用;红外线用于探测热信号;雷达能「穿透」雾天和雨天;激光雷达能实现光检测和距离修正——它能够穿透黑暗,用激光束织成激光「挂毯」。
「每个传感器都有局限性,每个传感器也都辅助另一个传感器实现其功能。」密歇根理工大学计算机学院的助理教授、该研究的主要研究人员之一Nathir Rawashdeh说。他致力于通过「融合传感器」这一AI流程,将传感器的数据整合在一起。
「传感器融合使用不同形式的多个传感器来理解一个场景,」他说,「当输入信号比较复杂的时候,你不可能对每个细节都进行详尽的编程,这就是我们需要人工智能的原因。」
Rawashdeh在密歇根的技术合作者包括他在电气和计算机工程方面的博士生Nader Abu Alrub,电气和计算机工程的助理教授Jeremy Bos,还有硕士生和Bos实验室的毕业生:Akhil Kurup,Derek Chopp和Zach Jeffries。Bos解释说,激光雷达、红外线和其他传感器本身就像古老谚语中的铁锤。「对铁锤来说,每个问题都像一颗钉子。」博斯引用了这句谚语,「当然,如果你有螺丝刀和铆钉枪,那么你就有更多的选择。」
大多数自主传感器和自动驾驶算法都是在阳光明媚,地势开阔的环境中开发的。Bos的实验室知道世界上其他地方的气候与亚利桑那州和南加州并不相似,于是他们在雪天驾驶一辆密歇根理工大学的自动驾驶汽车(由人类安全驾驶),收集当地数据。
Rawashdeh的团队,尤其是Abu Alrub,在德国和挪威的雪路上搜集了1000多帧的激光雷达、雷达和图像数据,然后开始「教导」他们的AI程序:雪是什么样子?如何在雪天看清路?
Bos说:「并非所有的雪都对自动驾驶有相同的影响。」他指出,雪的多样性使传感器检测成为一项挑战。
Rawashdeh补充说,数据预处理和确保准确标注是确保准确性和安全性的重要一步:「AI就像厨师,如果你给他好的食材,就会得到一顿美味的饭菜,」他说,「如果给AI学习网络提供错误的传感器数据,就会得到一个糟糕的结果。」
低质量的数据是一个问题,污垢也是一个问题。就像道路产生的污垢一样,传感器上的积雪问题可以解决也令人困扰。
不过,即使天气放晴,视野重新变得清晰,自动驾驶汽车的传感器在探测障碍物方面也不能总是达成一致。
Bos提到了一个很好的例子:在整理当地收集的数据时,我们发现了一只鹿。对于激光雷达来说,这个斑点不算什么(有30%的几率是障碍物),而在摄像机看来,它像一个手握方向盘但昏昏欲睡的人(50%的几率),可红外传感器会大声提示「停!」(90%的几率肯定那是一只鹿)。
让传感器和它们的风险评估算法相互交流和学习,就像印度寓言里的「盲人摸象」:三个盲人发现了一头大象,每个人分别接触到大象的不同部位——耳朵、鼻子和腿,最后在「它是哪种动物」这个问题上得到了不同结论。通过传感器融合,Rawashdeh和Bos希望自主传感器能共同找出答案,无论他们遇到的是大象、鹿还是雪堆。正如Bos所说,“通过传感器融合,我们将得到出一个新的估算值,而不是严格地投票选择其中一个。”
在基维诺的暴风雪中驾驶并收集数据,或将帮助自动驾驶汽车寻求出路。在这种条件下,它们的传感器能够更好地了解恶劣天气,在传感器融合等先进技术的帮助下,他们终有一天能够在雪地上安全驾驶。

原文链接:

https://techxplore.com/news/2021-05-team-effort-ai-sensors.html