AI-modeller och plattformar

Mikroskala konkava gränssnitt kan hjälpa autonoma fordon

mm
Lägg till Unite.AI bland dina föredragna källor på Google

En ny studie beskriver hur mikroskala konkava gränssnitt (MCI) kan hjälpa autonoma fordon att läsa skyltar. MCI är strukturer som reflekterar ljus för att producera optiska fenomen.

Qiaoqiang Gan är en ingenjörsforskare vid University of Buffalo. Enligt Gan kan dessa effekter användas i framtiden för att hjälpa autonoma fordon att identifiera trafikskyltar.

“Det är viktigt att kunna förklara hur en teknik fungerar innan man försöker anta den. Vår nya artikel definierar hur ljus interagerar med mikroskala konkava gränssnitt”, säger Gan.

Forskningen publicerades i Applied Materials (AMAT ) Today den 15 augusti.

Den samarbetande studien leddes av Gan, PhD, professor i elektroteknik vid UB School of Engineering and Applied Sciences. Den involverade ett team från UB, University of Shanghai for Science and Technology, Fuda University, Texas Tech University och Hubei University. De första författarna till artikeln inkluderar Jacob Rada, UB PhD-student i elektroteknik, och Haifeng Hu, PhD, professor i optisk-elektrisk och datorteknik vid University of Shanghai for Science and Technology.

Retroreflekterande material

Studien fokuserade främst på ett retroreflekterande material, eller en tunn film bestående av polymermikrosfärer placerade på den klibbiga sidan av transparent tejp. Dessa mikrosfärer är delvis inbäddade i tejpen.

När vitt ljus lyser på denna film, reflekteras det och orsakar att ljuset skapar koncentriska regnbågsringar. En enfärgad laser genererar ett mönster av ljusa och mörka ringar. Infraröda lasrar producerar också distinkta signaler bestående av koncentriska ringar när de reflekteras.

Experimenten

Forskningen involverade också experiment som använde den tunna filmen i en stoppskylt. Enligt Rada, när mönstren bildades, visade de sig på en visuell kamera som upptäcker synligt ljus, samt en LIDAR-kamera som upptäcker infraröda signaler.

“För närvarande står autopilot-system inför många utmaningar när det gäller att känna igen trafikskyltar, särskilt i verkliga förhållanden”, säger Gan. “Smart trafikskyltar tillverkade av vårt material kunde ge fler signaler för framtida system som använder LIDAR och synlig mönsterigenkänning tillsammans för att identifiera viktiga trafikskyltar. Detta kan vara till hjälp för att förbättra trafiksäkerheten för autonoma bilar.”

“Vi har demonstrerat en ny kombinerad strategi för att förbättra LIDAR-signalen och synlig mönsterigenkänning som för närvarande utförs av både synliga och infraröda kameror”, säger Rada. “Vårt arbete visade att MCI är ett idealiskt mål för LIDAR-kameror, på grund av de konstant starka signaler som produceras.”

Teknologin är tillgänglig för licensiering, och ett amerikanskt patent för det retroreflekterande materialet har utfärdats. En motsvarighet har också utfärdats i Kina. Patentinnehavarna är Fudan University och UB.

Enligt Gan kommer filmen att testas med olika våglängder av ljus, samt olika material för mikrosfärerna. Målet här är att förbättra prestandan för tillämpningar som trafikskyltar som är utformade för autonoma system.

Alex leder Unite.AI:s AI-drivna nyhetsverksamhet, som kombinerar journalistik, forskning och automation för att stödja snabb och skalbar bevakning av artificiell intelligens. Hans arbete hjälper till att säkerställa att framväxande AI‑utvecklingar lyfts fram effektivt samtidigt som publikationens redaktionella standarder upprätthålls.