Press "Enter" to skip to content

Как безопасно сосуществовать автономным автомобилям и пешеходам?

Современные автономные автомобили, возможно, еще не достигли пятого уровня автономии, но тем не менее они развертываются на дорогах общего пользования. В феврале Департамент транспортных средств Калифорнии утвердил правила, позволяющие проводить испытания автомобилей без водителя на дорогах общего пользования. Даже после аварии с автомобилем Uber в марте этого года, города продолжают охотно открывать свои дороги для тестирования автономных транспортных средств. В июне министерство транспорта штата Массачусетс подписало Меморандум о взаимопонимании, чтобы открыть свои дороги для тестирования автономных транспортных средств. В течение периодов тестирования, в которых автономные автомобили будут «сосуществовать с пешеходами», необходимо принять дополнительные меры предосторожности. Это особенно тревожно, когда автономные транспортные средства будут проходить тестирование ночью.

По данным института Страховой безопасности дорожного движения, смертность пешеходов больше всего увеличивается в темное время суток. Фактически, более трех четвертей всех дорожно-транспортных происшествий с участием пешеходов происходят ночью. Авария с автономным автомобилем Uber в марте этого года также произошла ночью.

Для автономных транспортных средств обеспечения полной автономии пятого уровня, а также успешного и безопасного сосуществования с пешеходами в городах их решения должны быть безошибочными. Но на данный момент датчики, используемые большинством автопроизводителей, просто не могут обеспечить надежное обнаружение и, следовательно, не могут достичь полной автономии.

Radar, LiDAR все еще не способны обеспечить полную автономию

Причина, по которой полностью автономные транспортные средства еще не появились на дорогах общего пользования, заключается в том, что их нынешние комплекты датчиков не соответствуют этой задаче. Сегодня выбор большинства автопроизводителей для зондирующих технологий — радаров, камер и LiDAR — не может обеспечить полный охват и обнаружение во всех сценариях. По этой причине водитель должен быть готов в любой момент взять управление автомобилем на себя.

Многие автопроизводители оснащают свои автомобили радаром, так как он может достаточно хорошо обнаруживать объекты на дальнем расстоянии. Однако радар не может идентифицировать эти объекты с достаточной точностью. Камеры — еще одно широко используемое решение восприятия, хотя они в одном случае дают хорошую точность, а в другом нет — это не универсальное решение. В отличие от радара, камеры могут точно идентифицировать объекты, но только с близкого расстояния. По этой причине многие автопроизводители используют радар и камеру вместе, чтобы обеспечить более полное обнаружение и освещение окружения транспортных средств: радар будет обнаруживать объект далеко на дороге, а камера обеспечит более четкое представление об этом по мере приближения.

Учитывая очевидные недостатки радара и камер, автопроизводители также оборудуют свои автономные автомобили датчиками LiDAR (обнаружения света и дальности). Как и радар, LiDAR посылает электромагнитные сигналы и использует отражение этих сигналов для измерения расстояния между транспортным средством и объектом (радиолокатор использует радиосигналы, LiDAR использует лазеры или световые волны).

В то время как LiDAR предоставляет более широкую область обзора, чем радар, он остается непригодным как идеальное решение для автономных транспортных средств, потому что в настоящее время он является слишком дорогостоящим для среднего рынка потребителей. Хотя несколько компаний пытаются снизить цену датчиков LiDAR, их недорогие устройства имеют значительно более низкое разрешение и, следовательно, не могут обеспечить обнаружение и покрытие, необходимые для достижения автономии уровня 5.

Главная опасность: датчики, которые могут обнаруживать, но не классифицировать объекты

Чтобы компенсировать соответствующую слабость каждой чувствительной технологии, автопроизводители часто комплектуют свои  автономные транспортные средства несколькими различными решениями с избыточным количеством датчиков. В таком решении, когда один датчик может выйти из строя при обнаружении, другой (-ие) могут заменить его.

Это может показаться удовлетворительным решением, которое может в конечном итоге обеспечить полную автономию, но остается ключевым препятствием: что происходит, когда эти датчики могут успешно обнаружить объект, но не могут его правильно классифицировать?

Рассмотрим ДТП с участием Uber: согласно докладу Национального совета по безопасности транспорта, автомобиль обнаружил пешехода за шесть секунд до аварии, но автономная система вождения классифицировала пешехода как неопознанный объект; сначала как автомобиль, а затем как велосипед. Другими словами, датчики транспортного средства обнаружили жертву, но программное обеспечение ошибочно определило, что она не находится в опасности и что никаких действий по предотвращению наезда не требуется.

Это трагический пример выезда автономного автомобиля на дороги общего пользования, явно опровергающий ложный позитив в отношении «полной автономности». Ложное положительное мнение — это когда автономное транспортное средство успешно обнаруживает объект, но неправильно классифицирует его. Программное обеспечение в автономных транспортных средствах запрограммировано на игнорирование определенных объектов, таких как пролетающий мимо пластиковый пакет или газета. Программное обеспечение должно быть выполнено таким образом, чтобы двигаться плавно, особенно на скоростных дорогах.

Тем не менее, смертельное ДТП Uber доказывает, что создание алгоритма машинного зрения, который может разумно учитывать, какие обнаруженные объекты находятся под угрозой или представляет опасность для этого транспортного средства, является серьезной проблемой и имеет крайне важное значение. С пешеходами, сосуществующими на дорогах с автономными транспортными средствами, нет места для ошибки в классификации объектов, так как любая ошибка является чрезвычайно опасной и, возможно, смертельной.

Пока процесс обнаружения и классификации современных сенсорных решений не улучшится, программное обеспечение автономного транспортного средства будет по-прежнему запутываться угрозой ложных срабатываний. Мы никогда не увидим развертывание автономных транспортных средств уровня 5, если автономные автомобили не смогут безопасно и надежно работать в городах среди пешеходов.

Термальные датчики обнаруживают и (правильно) классифицируют объекты в одно и одновременно

Новый тип датчика, использующий технологию дальнего инфракрасного излучения (FIR), может обеспечить не только полное обнаружение окружения автономного автомобиля, но и надежную классификацию каждого объекта в его окружении. Только с таким точным и одновременным обнаружением, а также классификацией можно реализовать полную автономию.

Тепловые датчики способны обеспечить точное обнаружение и классификацию, поскольку они функционируют иначе, чем любое другое решение. В отличие от радиолокаторов и датчиков LIDAR, которые должны передавать и принимать сигналы, камера FIR просто воспринимает сигналы от объектов, излучающих тепло, что делает его «пассивной» технологией. Поскольку они сканируют инфракрасный спектр непосредственно над видимым светом, камеры FIR генерируют новый уровень информации, обнаруживая объекты, которые иначе не могут быть заметны для камеры, радара или LiDAR.

Кроме температуры объекта, инфракрасные камеры также фиксируют «излучательную» способность объекта — насколько сильно он излучает тепло. Это позволяет FIR-камере воспринимать любой объект на своем пути, поскольку каждый объект имеет различную излучательную способность. Самое главное, это позволяет датчикам температуры немедленно обнаруживать и классифицировать, является ли рассматриваемый объект человеком или неодушевленным объектом.

С помощью этой информации камера FIR может создавать визуальную картину проезжей части как на дальнем, так и ближнем расстоянии. Термические инфракрасные камеры также обнаруживает маркировку полосы и положения пешеходов (например, в каком направлении они двигаются), и в большинстве случаев может определить, двигается ли пешеход с тротуара на проезжую часть. Затем автомобиль может предсказать, есть ли риск столкновения с пешеходом, помогая избежать проблем с ложными срабатываниями. Он также позволяет автономному автомобилю работать независимо и безопасно в любых условиях, будь то городская или сельская дорога, день или ночь.

Радары на основе инфракрасного излучения годами используются в области обороны, безопасности, пожаротушения и строительства, что делает его зрелой и проверенной временем технологией. В настоящее время существует три ведущих компании с датчиками инфракрасного излучения: Autoliv, FLIR Systems и AdaSky.

Система распознавания пешеходов в ночное время суток VIPER FIR от ADASKY повышает надежность автономных автомобилей?

AdaSky — это израильский стартап, который недавно разработал тепловизионную камеру Viper с высокой разрешающей способностью, которая пассивно собирает сигналы инфракрасного излучения, преобразует его в видео с высоким разрешением VGA и применяет глубокие компьютерные алгоритмы компьютерного зрения, чтобы ощущать и анализировать окружающую среду (рисунок выше). Фактически, с Viper и его машинным обучением, автомобиль Uber имел бы целых шесть секунд для обнаружения возможности столкновения. Вместо того, чтобы воспринять жертву за другое транспортное средство или велосипед, Viper мгновенно обнаружил и классифицировал бы человека как пешехода, давая машине почти четыре секунды, чтобы предотвратить наезд.

Несмотря на свою проверенную квалификацию, многие OEM-производители в настоящее время оценивают тепловые датчики, но опасаются затрат на массовое использование. Исторически сложилось так, что «устаревшие компании», предлагающие датчики FIR, были «зарезервированы» исключительно для люксовых брендов. Но новые компании разработали технологию, легко масштабируемую для массового применения.

Только когда автономные транспортные средства могут надежно обнаруживать и успешно классифицировать каждый объект в своем окружении, только тогда они смогут безопасно работать среди пешеходов. Только тепловые датчики (на данный момент) смогут обеспечить такой уровень надежности.

Ниже показано видео вождения с использованием тепловизионной камеры в туннеле:

Оставьте комментарий

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *