Forscher entwickeln autonome Systeme, die Veränderungen in Schatten erkennen können

Ingenieure am MIT haben ein neues System entwickelt, das für autonome Fahrzeuge und ihre Sicherheit von entscheidender Bedeutung ist. Das System ist in der Lage, kleine Veränderungen in Schatten auf dem Boden zu erkennen und zu bestimmen, ob sich bewegliche Objekte um die Ecke befinden. 

Eines der wichtigsten Ziele für jedes Unternehmen, das autonome Fahrzeuge entwickeln möchte, ist die Erhöhung der Sicherheit. Ingenieure arbeiten ständig daran, die Fahrzeuge besser zu machen, um Kollisionen mit anderen Autos oder Fußgängern, insbesondere solchen, die um eine Ecke eines Gebäudes kommen, zu vermeiden. 

Das neue System hat auch das Potenzial, auf zukünftigen Robotern eingesetzt zu werden, die in Krankenhäusern navigieren. Diese Roboter könnten Medikamente oder Vorräte im gesamten Krankenhaus liefern, und das System würde ihnen helfen, Menschen zu vermeiden. 

Eine Arbeit wird nächste Woche auf der International Conference on Intelligent Robots and Systems (IROS) präsentiert. Sie enthält Beschreibungen der erfolgreichen Experimente, die von den Forschern durchgeführt wurden, einschließlich eines autonomen Autos, das um eine Parkgarage manövriert und anhält, wenn es auf ein anderes Fahrzeug zufährt.

Das aktuelle System ist oft LIDAR, das in der Lage ist, sichtbare Objekte mehr als eine halbe Sekunde zu erkennen. Laut den Forschern können Bruchteile einer Sekunde einen großen Unterschied bei schnell bewegten autonomen Fahrzeugen ausmachen.  

“Für Anwendungen, bei denen Roboter in Umgebungen mit anderen beweglichen Objekten oder Menschen unterwegs sind, kann unsere Methode dem Roboter eine frühzeitige Warnung geben, dass jemand um die Ecke kommt, sodass das Fahrzeug langsamer fahren, seinen Pfad anpassen und im Voraus auf eine Kollision vorbereiten kann”, fügt Co-Autorin Daniela Rus, Direktorin des Computer Science and Artificial Intelligence Laboratory (CSAIL) und Andrew und Erna Viterbi Professorin für Elektrotechnik und Informatik, hinzu. “Der große Traum ist es, den Fahrzeugen auf den Straßen eine Art ‘Röntgenblick’ zu verschaffen.”

Das neue autonome System wurde nur innerhalb von Gebäuden getestet. In diesen Bedingungen sind die Lichtverhältnisse niedriger, und die Robotergeschwindigkeiten sind langsamer. Das autonome System kann Schatten in dieser Umgebung viel einfacher analysieren und erkennen. 

Die Arbeit wurde von Daniela Rus; dem ersten Autor Felix Naser, einem ehemaligen CSAIL-Forscher; Alexander Amini, einem CSAIL-Graduierten; Igor Gilitschenski, einem CSAIL-Postdoc; der Graduierten Christina Liao; Guy Rosman vom Toyota Research Institute; und Sertac Karaman, Associate Professor für Aeronautik und Astronautik am MIT, zusammengestellt. 

ShadowCam-System

Bevor die neuen Entwicklungen stattfanden, hatten die Forscher bereits ein System namens “ShadowCam”. Das System kann Veränderungen in Schatten auf dem Boden durch den Einsatz von Computer-Vision-Techniken erkennen und klassifizieren. Die früheren Versionen des Systems wurden von den MIT-Professoren William Freeman und Antonio Torralba entwickelt. Die beiden Professoren waren nicht Co-Autoren der IROS-Arbeit, und ihre Arbeit wurde 2017 und 2018 präsentiert. 

ShadowCam nutzt Video-Frames von einer zielgerichteten Kamera und kann Veränderungen in der Lichtintensität über die Zeit erkennen. Dies sagt dem System, ob sich etwas weiter entfernt oder näher kommt, und es analysiert die Informationen und klassifiziert jedes Bild als stationäres Objekt oder ein bewegtes. Dies ermöglicht es dem System, auf die beste mögliche Weise voranzuschreiten. 

ShadowCam wurde für den Einsatz auf autonomen Fahrzeugen modifiziert. Ursprünglich verwendete es Augmented-Reality-Labels namens “AprilTags”, die wie QR-Codes waren. ShadowCam verwendete diese, um sich auf bestimmte Pixel-Cluster zu konzentrieren, um zu bestimmen, ob Schatten vorhanden waren. Allerdings erwies sich dieses System als unmöglich zu verwenden, in realen Szenarien. 

Deshalb entwickelten die Forscher ein neues Verfahren, das Bildregistrierung und eine visuelle-Odometrie-Technik kombiniert. Bildregistrierung überlagert mehrere Bilder, um Variationen zu erkennen. 

Die visuelle-Odometrie-Technik, die die Forscher verwenden, wird als “Direct Sparse Odometry” (DSO) bezeichnet und funktioniert ähnlich wie die AprilTags. DSO verwendet eine 3D-Punktwolke und plottet die verschiedenen Merkmale einer Umgebung darauf. Eine Computer-Vision-Pipeline lokalisiert dann eine Region von Interesse, wie z.B. einen Boden. 

ShadowCam verwendet DSO-Bildregistrierung und überlagert alle Bilder aus der gleichen Perspektive des Roboters. Der Roboter, der sich bewegt oder stillsteht, kann dann auf die gleiche Pixel-Fläche einzoomen, in der sich ein Schatten befindet. 

Was kommt als Nächstes

Die Forscher werden weiter an diesem System arbeiten und sich auf die Unterschiede zwischen Innen- und Außenbeleuchtungsbedingungen konzentrieren. Letztendlich möchte das Team die Geschwindigkeit des Systems erhöhen und den Prozess automatisieren.