Onderzoekers ontwikkelen autonome systemen die veranderingen in schaduwen kunnen waarnemen

Ingenieurs bij MIT hebben een nieuw systeem ontwikkeld dat enorm belangrijk is voor autonome voertuigen en hun veiligheid. Het systeem is in staat kleine veranderingen in schaduwen op de grond waar te nemen en kan bepalen of er bewegende objecten om de hoek zijn. 

Een van de belangrijkste doelen voor elk bedrijf dat autonome voertuigen wil maken, is meer veiligheid. Ingenieurs werken er constant aan om de voertuigen beter te maken in het vermijden van botsingen met andere auto's of voetgangers, vooral degenen die om de hoek van een gebouw komen. 

Het nieuwe systeem kan ook worden gebruikt op eventuele robots die door ziekenhuizen navigeren. Deze robots zouden medicijnen of voorraden door het hele ziekenhuis kunnen afleveren, en het systeem zou hen helpen voorkomen dat ze mensen raken. 

Volgende week wordt een paper gepresenteerd op de International Conference on Intelligent Robots and Systems (IROS). Het bevat beschrijvingen van de succesvolle experimenten van de onderzoekers, waaronder een zelfrijdende auto die door een parkeergarage manoeuvreert en stopt wanneer hij een ander voertuig nadert.

Het huidige systeem is vaak LIDAR, dat zichtbare objecten met meer dan een halve seconde kan detecteren. Volgens de onderzoekers kunnen fracties van een seconde een enorm verschil maken in snel bewegende autonome voertuigen.  

“Voor toepassingen waarbij robots zich verplaatsen in omgevingen met andere bewegende objecten of mensen, kan onze methode de robot een vroege waarschuwing geven dat er iemand de hoek om komt, zodat het voertuig kan vertragen, zijn pad kan aanpassen en zich van tevoren kan voorbereiden om een botsing”, voegt co-auteur Daniela Rus, directeur van het Computer Science and Artificial Intelligence Laboratory (CSAIL) en de Andrew en Erna Viterbi Professor of Electrical Engineering and Computer Science toe. "De grote droom is om een ​​soort 'röntgenzicht' te bieden aan voertuigen die snel door de straten rijden."

Het nieuwe autonome systeem is alleen binnenshuis getest. Onder deze omstandigheden zijn de lichtomstandigheden lager en zijn de robotsnelheden lager. Het autonome systeem kan in deze omgeving veel gemakkelijker schaduwen analyseren en waarnemen. 

De paper is samengesteld door Daniela Rus; eerste auteur Felix Naser, een voormalig CSAIL-onderzoeker; Alexander Amini, een afgestudeerde CSAIL-student; Igor Gilitschenski, een CSAIL-postdoc; afgestudeerde Christina Liao; Guy Rosman van het Toyota Research Institute; en Sertac Karaman, universitair hoofddocent luchtvaart en ruimtevaart aan het MIT. 

ShadowCam-systeem

Voorafgaand aan de nieuwe ontwikkelingen hadden de onderzoekers al een systeem genaamd "ShadowCam". Het systeem is in staat veranderingen in schaduwen op de grond te identificeren en te classificeren door het gebruik van computervisietechnieken. De eerdere versies van het systeem zijn ontwikkeld door MIT-professoren William Freeman en Antonio Torralba. De twee professoren waren geen co-auteur van de IROS-paper en hun werk werd in 2017 en 2018 gepresenteerd. 

ShadowCam maakt gebruik van videoframes van een doelspecifieke camera en kan veranderingen in de lichtintensiteit in de loop van de tijd detecteren. Dit vertelt het systeem of iets verder weg of dichterbij komt, en het analyseert vervolgens de informatie en classificeert elk beeld als een stilstaand object of een bewegend object. Hierdoor kan het systeem optimaal verlopen. 

De ShadowCam is aangepast en gewijzigd om te worden gebruikt op autonome voertuigen. Oorspronkelijk gebruikte het augmented reality-labels genaamd "AprilTags", die vergelijkbaar waren met QR-codes. ShadowCam gebruikte deze om zich te concentreren op bepaalde clusters van pixels om te bepalen of er schaduwen aanwezig waren. Dit systeem bleek echter onmogelijk te gebruiken in real-world scenario's. 

Daarom creëerden de onderzoekers een nieuw proces dat beeldregistratie en een visuele odometrie-techniek samen gebruikt. Beeldregistratie overlapt meerdere beelden om eventuele variaties te identificeren. 

De visuele-odometrietechniek die de onderzoekers gebruiken, wordt "Direct Sparse Odometry" (DSO) genoemd en werkt op dezelfde manier als de AprilTags. DSO gebruikt een 3D-print cloud en zet de verschillende kenmerken van een omgeving erop uit. Een computervisiepijplijn lokaliseert vervolgens een interessegebied, zoals een vloer. 

ShadowCam maakt gebruik van DSO-beeldregistratie en overlapt alle beelden vanuit hetzelfde gezichtspunt van de robot. De robot, die beweegt of stilstaat, kan dan inzoomen op hetzelfde stukje pixels waar een schaduw is. 

Wat is het volgende

De onderzoekers blijven aan dit systeem werken en zullen zich richten op de verschillen tussen lichtomstandigheden binnen en buiten. Uiteindelijk wil het team de snelheid van het systeem verhogen en het proces automatiseren.