AI传感器可以帮助自动驾驶汽车在雪城行驶

自动驾驶汽车面临的最大挑战之一是它们难以在恶劣天气条件下导航，这严重限制了它们在雪城如底特律和芝加哥的实施。这些车辆依赖于关键的传感器数据来检测障碍并保持在正确的一侧，但这些数据在雪中难以使用。

在SPIE Defense + Commercial Sensing 2021上发表的两篇新论文中，密歇根理工大学的研究人员讨论了自动驾驶汽车在雪地驾驶场景中的新解决方案。

自动驾驶汽车有很多种，包括一些带有盲点或制动辅助的车辆，以及一些带有开启和关闭自驾驶模式的车辆。一些最好的车辆可以完全自主运行。

由于该技术在很多方面仍处于初期阶段，汽车制造商和研究大学不断地改进技术和算法。当事故发生时，它们往往是由于汽车的AI或人类错误的判断所致。

人体传感器

人眼也是传感器的一种，因为它们感知平衡和运动。我们的脑部作为处理器，帮助我们理解环境。这些共同使我们能够在所有场景中驾驶，甚至在新场景中，因为我们的脑部可以概括化新的体验。

自动驾驶汽车通常带有两个安装在陀螺仪上的摄像头，它们使用立体视觉扫描和感知深度，以模仿人类视觉。同时，平衡和运动可以用惯性测量单元来测量。另一方面，计算机只能对之前遇到的场景或已经被编程为识别的场景做出反应。

传感器融合

自动驾驶汽车依赖于特定任务的人工智能算法，这些算法需要多种传感器，如鱼眼摄像头、红外传感器、雷达、光检测和激光雷达。

纳希尔·拉瓦什德是密歇根理工大学计算机学院的助理教授，也是该研究的主要作者之一。

“每个传感器都有局限性，每个传感器都可以弥补其他传感器的不足，”拉瓦什德说。“传感器融合使用不同模态的多个传感器来理解一个场景。当输入具有难以模式时，你无法详尽地编程每个细节。这就是为什么我们需要人工智能的原因。”

该研究的合作者包括纳德·阿布-鲁布，电气和计算机工程博士生，以及杰里米·博斯，电气和计算机工程助理教授。其他合作者包括来自博斯实验室的硕士生和毕业生：阿赫尔·库鲁普，德里克·乔普和扎克·杰弗里斯。

自动驾驶传感器和自驾驶算法几乎全部是在晴天和晴朗的景观中开发的。博斯的实验室首先开始在密歇根理工大学的自动驾驶汽车中收集数据，在德国和挪威的雪路上收集了超过1000帧的激光雷达、雷达和图像数据。

根据博斯的说法，传感器检测很难，因为雪的种类繁多。预处理数据并确保准确标记是非常重要的。

“并非所有雪都是相同的，”博斯说。“人工智能就像一位厨师——如果你有好的食材，就会有一个精美的餐点，”他说。“如果你给人工智能学习网络脏的传感器数据，你就会得到一个糟糕的结果。”

其他主要挑战包括低质量的数据和脏污，以及雪在传感器上积累会引起自己的问题。即使传感器被清除，传感器之间也并不总是能就障碍物的检测达成一致。通常很难让传感器及其风险评估相互交流和学习，因为每个传感器都可能得出自己的结论。然而，该团队希望通过传感器融合使自动驾驶传感器共同得出一个结论。

“与其严格投票，不如使用传感器融合，我们将得出一个新的估计，”博斯说。

自动驾驶汽车传感器将继续学习和改进在恶劣天气中的性能，新的方法如传感器融合可能会为雪路上的自动驾驶汽车铺平道路。