車東西（公眾號：chedongxi）
文 | 六毛
據國外媒體techspot報道，MIT（麻省理工學院）的工程師們研發了一個新的系統，該系統有望幫助自動駕駛汽車在拐角處避免發生意外的碰撞事故。
新系統基於ShadowCam系統打造，使用圖像配準和視覺測距技術，可有效地分析地面陰影的變化從而確定拐角處是否有正在移動的物體。
目前這個系統還並不完善，應用範圍非常侷限，不過研究人員表示有望於幾年內取得新的進展。豐田研究所（Toyota Research Institute）資助了該系統的研發。
一、MIT新系統能感知陰影變化 未來可用於自動駕駛汽車和其他自主系統
據國外媒體techspot消息，為提升自主系統（autonomous systems）安全性，MIT（麻省理工學院）的工程師已研發出一款新的系統，新系統能夠感知地面陰影上的微小變化，以此為依據來確定拐角的地方是否有移動物體正在靠近。
未來，自動駕駛汽車有望通過這個系統快速地規避從拐角處或者車輛之間突然出現的行人、汽車，以此避免碰撞事故的發生。同時，在醫院走廊上移動、運送藥物和物品供給的機器人也有機會使用到這個系統。
▲MIT發佈新聞
MIT的研究人員在一篇論文中描述了成功進行的測試實驗，實驗設計安排了一輛自動駕駛汽車在停車場周圍行駛和一輛自動駕駛輪椅在走廊上面移動。實驗中，在對正在接近的汽車進行感知和停車規避方面，新系統在識別速度上擊敗了傳統的激光雷達（只能檢測到可見物體），它的速度比激光雷達要快半秒多。
研究人員表示，半秒多看起來似乎是段很短的時間，但是當它對應於快速移動的自動駕駛汽車時，就變得很重要了。
“在將機器人應用在有移動物體的環境中時，我們的方法能夠向機器人發出預警，提醒機器人拐角處正有人靠近，汽車由此可以減速、變道、提前準備來避免發生碰撞事故。”論文作者之一、計算機科學與人工智能實驗室（CSAIL）主管Daniela Rus和電子工程與計算機科學教授Andrew、Erna Viterbi補充說道。
在他們看來，最大的夢想是為在街道上快速行駛的各類車輛提供基於“X射線”的眼睛。
據techspot報道，當前這個系統僅在室內環境下進行過測試，目前可應用範圍十分有限。
室內環境下機器人的速度會更慢，與此同時室內的照明條件也會更加統一，這些情況對於系統而言，檢測和分析陰影都會變得更容易。
據瞭解，該自主系統研發項目得到了豐田研究所（Toyota Research Institute）的資助。
二、新系統基於ShadowCam系統打造 採用圖像配準和視覺測距技術
研究人員在被稱作“ShadowCam”的系統的基礎上，推出了這項新的技術。據瞭解，ShadowCam系統的早期版本由MIT教授William Freeman和Antonio Torralba合作開發，它將計算機視覺技術用於檢測、分類地面陰影的變化。
信息輸入環節，ShadowCam利用了一系列由攝像頭採集的視頻幀，這些採集數據用攝像頭可專門記錄、拍攝諸如拐角處等某一特定區域的情況。
不同時間下光照強度也有所不同，ShadowCam利用這一情況來對採集到的每一幀圖像進行檢測，從而確定那些正在移動或者靠近的物體。圖像上陰影的某些變化依靠肉眼或許很難看到、檢測到，不過可以由物體及環境的各類屬性信息來進行確定。
ShadowCam計算這些信息，並將收集到的圖像分成不同的類別，包括靜止的或者動態的、運動的物體。系統如果接收到了動態圖像，它就會做出相應的反應。
ShadowCam系統應用於自動駕駛汽車前，還需要做一些改進。例如，早期版本的ShadowCam系統會依賴於使用被稱作“AprilTags”的增強現實標籤來標定某個區域，AprilTags相當於是簡化版本的QR（Quick Response）碼。但是，使用AprilTags修改真實世界的情況是不切實際的。
對此，MIT的研究人員開發了一種結合圖像配準和新的視覺測距技術的方法。圖像配準通常被用於計算機視覺開發領域，其本質上是通過覆蓋多層圖像來揭示圖像上的變化。例如，醫學圖像配準可以通過讓醫學掃描圖片重合來比較、分析對象在解剖結構上的差異。
Mars Rovers（火星漫遊者）使用的視覺測距法，是通過分析一系列圖像及其幾何特徵來實時評估攝像頭的運動狀況。研究人員專門採用了“直接稀疏測距法”（Direct Sparse Odometry，即DSO），這種方法能夠計算環境中的特徵點位。本質上，DSO可在3D點雲上繪製出環境特徵，然後由計算機視覺管道選擇位於興奮區（例如靠近角落的地板）中的要素（感興趣的區域由人工提前進行標註了）。
▲Mars Exploration Rovers（圖源：NASA）
ShadowCam會將從興奮區域獲取到的圖像信息輸入到圖像序列，進而使用DSO-圖像配準方法來覆蓋機器人相同視點上的所有圖像。即便是機器人正在移動，ShadowCam系統也能夠確定完全相同的像素塊，這些像素塊上的陰影被定位，以此來幫助檢測圖像之間發生的細微差別。
此外在系統採用的信號技術方面，可能包含有陰影的像素在顏色上被增強。這使得來自陰影變化的極其微弱的信號能夠更容易地被檢測到，如果增強後的信號達到某個閾值，ShadowCam系統就會將圖像分類到“動態”部分。根據該信號的強度，該系統可能提醒告訴機器人減速或者停止運動。
Naser表示，“一旦檢測到該信號，你就可以更加註意安全。因此這可能是某個從拐角處、車輛間跑出來的人的影子，所以自動駕駛汽車檢測到這種情況時它會減速或者完全把車停下。”
根據來自MIT官方的消息，研究人員曾對使用了AprilTags方法和新的基於DSO的方法的系統性能進行了評估，在這項測試中一輛自動駕駛輪椅被安排駛向走廊的各個角落。結果顯示，兩個方法都提供了相同的70%的分類準確率，這表明AprilTags不再是必須的了。
而在一項單獨進行的測試中，研究人員首先給在停車場的自動駕駛汽車安裝上了ShadowCam系統，同時這輛汽車的前大燈被關閉以此來模仿夜間行駛環境。
結果顯示，ShadowCam檢測到正在繞立柱行駛的汽車的速度比激光雷達快了0.72秒，除此之外，由於研究人員已基於停車場的照明條件對ShadowCam做了校準，所以該系統的分類精度達到了86%左右。
MIT的研究人員計劃進一步開發這個系統，從而能夠讓該系統可以在不同的室內和室外照明條件下工作。
結語：自動駕駛技術在不斷髮展
感知環境和目標識別是自動駕駛技術研發非常重要的一個環節，如何識別拐角處的物體則是其中的一個難點。此前有媒體報道稱，來自斯坦福大學的團隊曾研發出基於超快速激光脈衝的自動駕駛系統，可用於識別拐角處的物體。整體來看，未來可能還會有不同的識別技術上線，自動駕駛技術處在不斷探索和發展的過程當中。
閱讀更多 車東西 的文章
