MIT新系统：让无人车在浓雾中识别物体、测量距离

高层速读

麻省理工学院媒体实验室研发出一种深度传感成像系统，可以在有雾环境下识别物体的形状和距离，通过统计学解决自动驾驶在雾天行驶或导航的痛点。卡内基梅隆大学的教授预测该系统可能很快在汽车上实现。

上周日，Uber自动驾驶汽车在亚利桑那州进行测试时，撞倒了一名49岁过马路的女性，汽车没有刹车而是直接撞了上去，导致行人不治身亡，这成为了全球首例公开的自动驾驶致死事件。也广泛引起了公众对自动驾驶的关注和警惕。MIT恰好此时研发了有助于自动驾驶的识别系统。

计算机摄影可以解决一个困扰自动驾驶汽车已久的问题。

麻省理工学院媒体实验室的研究人员开发出一种系统，能够让自动驾驶汽车识别出被浓雾笼罩的物体图像和距离，即使人眼难以辨认。

▲系统发起人，MIT媒体实验室研究员Guy Satat

在雾天的驾驶环境中识别物体，一直是发展使用可见光的自主车辆导航系统的主要障碍之一，实际上，可见光导航系统比雷达导航系统具有更高的分辨率和识别道路标注的能力。因此，麻省理工学院此次研发的系统可能是自动驾驶汽车向前迈进的关键一步。

研究人员用一小罐水对该系统进行了测试，水箱中装有加湿器的振动马达，可以模拟浓雾。在浓雾中，人类的视觉只能穿透36厘米，而该系统不仅能够分辨物体的图像，而且能在57厘米的深度内测量到物体，即57厘米的距离。

57厘米并不是很远，但是实验中产生的雾比人类司机在自然环境下面临的任何雾都要浓密得多；所以，该系统的表现优于人类的视觉，而大多数成像系统的表现要差得多。

如果在雾中驾驶的导航系统和人类驾驶员一样好，这将是一个巨大的突破。

微信搜索【AI商业报道】，获取国内外AI巨头新动向及行业资讯！

领导这项研究的麻省理工学院媒体实验室研究生盖伊·萨塔(Guy Satat)说：“我决定接受挑战，开发一种能够穿透雾气的系统。我们正在处理真实的雾，它是稠密的、动态的和异质的。它不断地移动和变化，密度时大时小，而其他方法并不能有效处理这种问题。”

在晴朗的一天，光的反射时间可以明确地表示反射它的物体的距离。但是在雾中，雾会使光“散开”，或者以随机的方式反射。

在雾天，到达摄像机传感器的大部分光线将被空气中的水滴反射，而不是由无人车需要避免的障碍物所反射，也就是说，光线是由雾滴反射的，因此传感器无法判断障碍物与汽车之间的真正距离。即使光线确实是从障碍物上反射出来的，它们也许不会同时到达，在反射过程中会被水滴偏转。

麻省理工学院的系统通过统计学来解决这个问题。

雾反射光产生的图案因雾的密度不同而不同：平均而言，光穿透浓雾的深度小于穿透轻雾的深度。但是麻省理工学院的研究人员能够证明，不管雾有多厚，反射光的到达时间都遵循一种称为伽玛分布的统计模式。

伽玛分布比高斯分布要复杂一些，高斯分布是产生熟悉的钟形曲线的常见分布：它们可以是不对称的，并且可以具有更广泛的形状。相同点是，它们都是由两个变量控制。

麻省理工学院的系统可以估计这些变量的值，并利用得到的分布来过滤被雾反射的光线。关键的是，系统为传感器中的1024个像素中的每个像素计算不同的伽马分布。这就是为什么它能够处理早期系统中雾密度的变化：它可以处理每个像素看到不同类型雾的情况。

“这件事的好处是它很简单，”Satat说，“如果你看一下计算和方法，你会惊讶地发现它并不复杂。我们也不需要任何关于雾及其密度的知识，这有助于它在大范围的雾条件下工作。”

卡内基梅隆大学的计算机科学教授Srinivasa Narasimhan说：“恶劣的天气是自主驾驶技术所面临的最大障碍之一。Guy 和Ramesh的创新使我看到了在可见光或近红外波段所见过的最好的能见度增强系统，并有可能很快在汽车上实现。”

微信搜索【AI商业报道】，获取国内外AI巨头新动向及行业资讯！

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。