Modele i platformy AI

Zespół tworzy nowy system lidarowy, który może poprawić bezpieczeństwo jazdy autonomicznej

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Zespół badaczy pod kierownictwem Susumu Nody z Uniwersytetu w Kioto w Japonii opisał swój nowy niezmechaniczny system lidarowy 3D w Optica. Nowy system może zmieścić się w dłoni i może być używany do pomiaru odległości słabo odbijających obiektów i automatycznego śledzenia ruchu obiektów.

“Z naszym systemem lidarowym, roboty i pojazdy będą mogły niezawodnie i bezpiecznie poruszać się w dynamicznych środowiskach, nie tracąc z oczu słabo odbijających obiektów, takich jak czarne metalowe samochody”, mówi Noda. “Włączenie tej technologii do samochodów, na przykład, uczyniłoby jazdę autonomiczną bezpieczniejszą.”

Dzięki rozwojowi unikalnego źródła światła opartego na chipie, zwanego dually modulated photonic-crystal laser (DM-PCSEL), nowy system stał się możliwy. To osiągnięcie może ostatecznie doprowadzić do stworzenia systemu lidarowego 3D na chipie, w pełni stałym.

“DM-PCSEL łączy niezmechaniczne, elektronicznie sterowane skanowanie wiązki z oświetleniem błyskowym stosowanym w lidarze błyskowym, aby uzyskać pełny obraz 3D z jednego błysku światła”, mówi Noda. “To unikalne źródło pozwala nam osiągnąć zarówno błyskowe, jak i skanujące oświetlenie bez żadnych ruchomych części lub zewnętrznych elementów optycznych, takich jak soczewki i elementy optyczne dyfrakcyjne.”

Połączenie skanowania i oświetlenia błyskowego

Systemy lidarowe wykorzystują wiązki laserowe do oświetlenia obiektów i obliczania ich odległości, mierząc czas, jaki potrzebują wiązki, aby podróżować, odbijać się i wracać (ToF). Jednak większość systemów lidarowych obecnie w użyciu i w fazie rozwoju opiera się na ruchomych częściach, takich jak silniki, do skanowania wiązki laserowej, co sprawia, że są one duże, drogie i niewiarygodne.

Lidar błyskowy jest niezmechanicznym podejściem, które wykorzystuje jedną szeroką, rozproszoną wiązkę światła do oświetlenia i oceny odległości wszystkich obiektów w polu widzenia. Jednak systemy lidarowe błyskowe nie są w stanie mierzyć odległości słabo odbijających obiektów, takich jak czarne metalowe samochody, ze względu na ich niską odbijalność. Ponadto wymagane są zewnętrzne soczewki i elementy optyczne, aby utworzyć wiązkę błyskową, co sprawia, że te systemy są duże.

Badacze opracowali źródło światła DM-PCSEL, aby pokonać te ograniczenia. Źródło światła obejmuje źródło błyskowe, które może oświetlać szerokie pole widzenia 30°×30°, oraz źródło skanowania wiązki, które zapewnia punktowe oświetlenie z 100 wąskimi wiązkami laserowymi.

Badacze zintegrowali DM-PCSEL z systemem lidarowym 3D, co umożliwiło im pomiar odległości wielu obiektów jednocześnie przy użyciu szerokiego oświetlenia błyskowego, a także selektywne oświetlenie słabo odbijających obiektów bardziej skoncentrowaną wiązką światła. Aby wykonać pomiary odległości i automatyczne śledzenie ruchu słabo odbijających obiektów, badacze zainstalowali kamerę ToF i opracowali oprogramowanie, które wykorzystuje oświetlenie skanujące.

Pomiar odległości słabo odbijających obiektów

“Nasz system lidarowy oparty na DM-PCSEL pozwala nam na pomiar odległości zarówno dobrze, jak i słabo odbijających obiektów”, mówi Noda. “Laser, kamera ToF i wszystkie składniki niezbędne do działania systemu zostały zmontowane w sposób kompaktowy, co dało łączną powierzchnię systemu mniejszą niż biznesowa karta.”

Badacze zademonstrowali nowy system, używając go do pomiaru odległości słabo odbijających obiektów, które zostały umieszczone na stole w laboratorium. Udowodnili również, że system może automatycznie rozpoznawać słabo odbijające obiekty i śledzić ich ruch za pomocą selektywnego oświetlenia.

Zespół będzie teraz starał się zademonstrować system w praktycznych zastosowaniach, takich jak autonomiczne poruszanie się robotów i pojazdów.

Alex kieruje operacjami informacyjnymi Unite.AI opartymi na sztucznej inteligencji, łącząc dziennikarstwo, badania i automatyzację, aby wspierać terminowe i skalowalne relacjonowanie sztucznej inteligencji. Jego praca pomaga zapewnić, że nowe osiągnięcia w dziedzinie AI są prezentowane efektywnie, przy jednoczesnym zachowaniu standardów redakcyjnych publikacji.