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，沐鸣测速主管Q554258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，沐鸣测速地址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。