MIT自动驾驶技术突破：实现浓雾中物体观测和测距，超人类水平

大数据文摘作品

编译：蒋宝尚

开发可见光自主车辆导航系统一直有一个主要障碍：无法应对雾蒙蒙的驾驶条件。

可见光系统比雷达探测系统表现更好，是因为其拥有高分辨率、读取道路标记以及跟踪标记的能力。

麻省理工的科学家们对此做出进一步的改进，开发了一种深度感测成像系统。它可以识别浓雾中的物体，即使是人类视觉无法识别的物体，这种系统同样可以识别。

科学家们使用一个小水箱和一个浸入其中的振动电机进行测试。人类只能探视水下36厘米的深度，而这一系统可以探视57厘米。

据科学家介绍，57厘米距离不是很远，但是研究中所使用的雾浓度确是比人类驾驶员遇到过的都浓密。关键在于系统探视穿透浓雾的表现优于人类，而大多数传统成像系统的表现却更差。能够有一个成像系统可以与人类视觉比肩，这对自动驾驶技术来说是里程碑的成就。

麻省理工学院实验室的研究生Guy Satat说：“我决定接受挑战，开发一个能够看穿实际迷雾的系统。我们现实中所面对的迷雾更加密集，而且会不断地移动和变化，其他系统不具有应对这种现实情况的条件。”

该系统包含一个飞行时间相机，它可以将超短的激光射入场景并测量反射回来的时间。

相机还会计算每56微微秒或万亿分之一秒到达的光粒子或光子的数量。该系统使用这些计算的数量生成直方图，条的高度表示每个时间间隔的光子计数。

然后找到最适合直方图形状的伽玛分布，并简单地从测量的总数中减去相关的光子计数，剩余的是因物理障碍产生的轻微尖峰。

科学家使用一个一米长的雾室测试该系统，通过安装好的有规律的间隔距离标记，对能见度进行粗略的测量。测试系统中还涉及其他物体，如木制雕像、木块、字母剪影，即使是肉眼看不见的物体，系统也能成像。

但是，对能见度的测量有很多方法，例如可以通过不同距离处的雾看到具有不同颜色和纹理的对象。因此，为了评估系统的性能，科学家们使用了一种更为严格的被称为光学深度的指标，该指标描述了穿透雾的光量。

卡内基梅隆大学计算机科学教授Srinivasa Narasimhan说：“坏天气是发展自主驾驶技术的一大障碍。Guy和Ramesh的创新工作是处理可见光和近红外波长方面的进步，这一进步可能很快在汽车上实现。”

https://www.techexplorist.com/depth-sensing-imaging-system-peer-fog/12878/

【今日机器学习概念】

Have a Great Definition