Ведущие компании, занимающиеся автономными транспортными средствами (AV), в основном полагаются на кадровые датчики, такие как LiDAR. Тем не менее, технологии исторически изо всех сил пытались обнаруживать, отслеживать и классифицировать объекты достаточно быстро и надежно, чтобы предотвратить множество столкновений, например таких, как пешеход, внезапно появляющийся из-за припаркованного автомобиля.
Системы, работающие на основе кадрирования, безусловно, играют определенную роль в развитии AV. Но учитывая ужасающую статистику, которая показывает, что 80% всех аварий и 65% всех ситуаций близких к авариям связаны с невниманием водителя в течение последних трех секунд до аварии, отрасль должна работать над более быстрой и надежной системой, которая решает проблемы безопасности в пределах коротких расстояний.
Датчики на основе кадрирования информации играют определенную роль, но она не должна быть однобокой, когда дело касается технологий автономного вождения. Представляем датчики, основанные на событиях (event), технологии, разрабатываемые в рамках систем автономного вождения, предлагающие передовые технологии для обеспечения автомобилей с повышенными мерами безопасности там, где классический LiDAR не работает.
Почему LiDAR не всегда эффективен?
LiDAR, или обнаружение световых волн и определение дальности, является наиболее известной кадровой технологией для автономных автомобилей. Он использует невидимые лазерные лучи для сканирования объектов. Способность LiDAR сканировать и обнаруживать объекты очень быстрая, если сравнивать ее с человеческим глазом. Однако в грандиозной схеме автономного автомобиля, когда речь идет о жизни или смерти, системы LiDAR с усовершенствованным алгоритмом обработки восприятия и современным процессом восприятия подходят на расстояниях от 30 до 40 метров. Тем не менее, они не действуют достаточно быстро в этом диапазоне, поэтому водитель, скорее всего, попадет в аварию.
Как правило, автомобильные камеры работают со скоростью 30 кадров в секунду (кадр / сек), что обеспечивает задержку процесса обработки 33 мс на кадр. Чтобы точно обнаружить пешехода и спрогнозировать его или ее путь, требуется несколько проходов на кадр. Это означает, что результирующая система может сработать за сотни миллисекунд, но автомобиль, движущийся со скоростью 60 км / ч, пройдет 3,4 метра всего за 200 мс. В особенно густонаселенных городских условиях опасность задержки возрастает.
LiDAR, наряду с современными системами компьютерного зрения и искусственного интеллекта, основанными на камерах, подвержены фундаментальным ограничениям скорости восприятия, потому что они используют подход, основанный на кадрах. Проще говоря, подход, основанный на кадрах, слишком медленный!
Во многих существующих системах на самом деле используются камеры и датчики, которые не намного сильнее, чем стандартные для iPhone, которые производят всего 33 000 световых точек на кадр. Если мы хотим значительно минимизировать задержку процесса и более надежно и быстро поддерживать обработку «нисходящего» алгоритма, состоящую из прогнозирования пути, классификации объектов и оценки угроз, необходима более быстрая модальность датчика. Что необходимо, так это новая дополнительная сенсорная система, которая в 10 раз лучше справляется с целью создания точной трехмерной карты глубины за 1 мс, а не за десятки миллисекунд.
Помимо ограничений LiDAR, позволяющих достаточно быстро реагировать, системы камер часто очень дороги. Стоимость системы LiDAR, варьирующаяся от пары тысяч до сотен тысяч долларов, часто ложится на конечного пользователя. Кроме того, поскольку технология постоянно развивается и обновляется, новые датчики постоянно появляются на рынке по премиальным ценам.
Системы LiDAR также не являются самым «эстетичным» оборудованием, что вызывает серьезную озабоченность, если учесть, что они часто применяются в автомобилях премиум класса. Систему необходимо упаковать где-нибудь так, чтобы была обеспечена прямая видимость в передней части транспортного средства, а это означает, что она обычно размещается в коробке на крыше автомобиля. Вы действительно хотите кататься на своем новом спортивном автомобиле с громоздким ящиком на крыше???
Стоимость и внешний вид, безусловно, являются недостатками систем LiDAR. Однако в конечном итоге основная проблема заключается в том, что эти системы имеют ограниченное разрешение и низкую скорость сканирования, что делает невозможным отличить фиксированный фонарный столб от бегущего ребенка. Что необходимо, так это система с более плотным подсчетом точек, чем десятки тысяч, предоставляемые LiDAR. На самом деле плотность точек должна составлять десятки миллионов.
Датчики, основанные на событиях, определяют будущее автономного вождения
LiDAR эффективен на расстоянии от 30 до 40 метров — датчики событий хорошо работают в этом диапазоне. Датчики на основе событий, такие как технология VoxelFlow, в настоящее время разрабатываемая Terranet, смогут классифицировать динамические движущиеся объекты с чрезвычайно низкой задержкой, используя очень низкую вычислительную мощность. Это дает 10 миллионов трехмерных точек в секунду вместо 33 000, и в результате получается быстрое обнаружение краев объекта без размытия движения (рисунок ниже). Сверхнизкая задержка датчиков на основе событий гарантирует, что транспортное средство может решать ключевые ситуации, чтобы тормозить, ускоряться или объезжать объекты, которые внезапно появляются перед автомобилем.
Voxelflow — это новая парадигма компьютерного зрения с тремя камерами на основе событий и лазерным сканером. Он использует технику с активным освещением через трехмерную триангуляцию, в результате чего создается растр представления облака точек с меткой времени (x, y, z).
Датчики, основанные на событиях, станут важной частью технологии, которая обеспечит безопасность систем помощи водителю (ADAS) следующего поколения 1-3 уровня, а также реализует обещание действительно автономных автомобильных систем L4-L5. Датчики на основе событий, такие как VoxelFlow, состоят из трех датчиков изображения событий, распределенных в транспортном средстве, и расположенного в центре непрерывного лазерного сканера, который обеспечивает плотную трехмерную карту со значительно сокращенной задержкой процесса для соответствия ограничениям автономных систем в реальном времени.
Системы датчиков на основе событий автоматически и непрерывно калибруются для защиты от ударов, вибрации и размытости, а также обеспечивают требуемое угловое разрешение и разрешение по дальности, необходимое для современных систем помощи водителю (ADAS) и автономных автомобилей. Также было показано, что он хорошо работает в сильный дождь, снег и туман по сравнению с системами LiDAR, которые ухудшаются в этих условиях из-за чрезмерного обратного рассеяния.
Поскольку LiDAR является отраслевым стандартом и доказал свою эффективность на дальностях свыше 40 метров, даже если это стоит целого состояния, датчики событий смогут дополнить эту технологию, а также другие системы радаров и камер. Это позволит эффективно накладывать необработанные данные датчиков на трехмерную сеточную карту датчика на основе событий. Это значительно улучшит обнаружение и, что наиболее важно, повысит безопасность и уменьшит вероятность столкновения.
Автопроизводители ожидают, что к следующему году на разных этапах разработки появится прототип сенсоров на основе событий на транспортных средствах. После этого им нужно будет индустриализировать систему и сделать ее меньше, чтобы она соответствовала эстетическим ожиданиям современных водителей. Однако нет никаких сомнений в том, что датчики событий скоро станут необходимым компонентом автономных автомобилей.
Оставьте комментарий