启用自主车辆的基于视觉地形相对导航的算法

加州理工学院（Caltech）的研究人员开发了一种新的深度学习算法，使自主系统能够通过观察周围的地形来识别自己的位置。这种技术可以在任何季节变化中工作，这是以前从未有过的。

该研究于6月23日发表在美国科学促进会（AAAS）的《科学机器人》杂志上。

视觉地形相对导航

这个过程称为视觉地形相对导航（VTRN），它首先在20世纪60年代开发。自主系统可以通过比较附近的地形与高分辨率卫星图像来定位自己。

然而，当前的VTRN需要观察到的地形与数据库中的图像密切匹配。任何地形的改变，例如雪或落叶，都会导致系统由于图像不匹配而失败。这意味着VTRN系统可以很容易地被混淆，除非有一个包含所有可能条件下的景观图像的数据库。

该项目的团队来自Soon-Jo Chung的实验室，他是航空航天和控制动力系统的Bren教授和JPL的研究科学家。该团队使用深度学习和人工智能（AI）来去除可能对VTRN系统造成问题的季节内容。

安东尼·弗拉戈索（Anthony Fragoso）是讲师和工作人员科学家，也是《科学机器人》论文的首席作者。

“规则是两个图像——卫星图像和自主车辆图像——必须具有相同的内容，才能使当前的技术有效。它们可以处理的差异大约相当于一个Instagram滤镜改变图像的色调，”弗拉戈索说。“然而，在现实系统中，季节的变化会使图像发生很大的变化，因为它们不再包含相同的物体，无法直接比较。”

https://www.youtube.com/watch?v=U5Kr0YI3sec

自监督学习

这个过程是由Chung和Fragoso与研究生Connor Lee和本科生Austin McCoy合作开发的，它使用“自监督学习”。

与大多数计算机视觉策略不同的是，这个过程不依赖于人类注释者来创建大型数据集来教导算法如何识别某些东西。相反，这个过程使算法能够自我学习。AI可以检测图像中的模式，通过提取人类眼睛无法察觉的细节和特征。

通过将新的系统添加到当前的VTRN中，可以实现更准确的定位。一个实验涉及研究人员尝试使用相关的VTRN技术来定位夏季叶子和冬季落叶图像。他们发现50％的尝试导致导航失败，但当他们将新的算法插入VTRN时，92％的尝试成功匹配，另外8％可以提前识别为问题。

“计算机可以找到人类眼睛无法看到的微妙模式，并且可以捕捉到最小的趋势，”李说。“VTRN正处于成为不可行技术的边缘，但我们解决了这个问题。”

太空应用

这个新系统不仅可以用于地球上的自主无人机，也可以用于太空任务。JPL的火星2020毅力号探测器任务在杰泽罗陨石坑的进入、下降和着陆过程中使用了VTRN，这之前被认为是太危险的区域，无法安全进入。

根据Chung的说法，对于像毅力号这样的漫游车来说，“需要一定程度的自主驾驶，因为从地球到火星的信号传输需要7分钟，而且火星上没有GPS。”

该团队认为，这个新系统也可以用于火星极地地区，这些地区有剧烈的季节变化。它可以支持科学目标，例如搜索水源。

该团队现在将扩展这项技术，以适应天气变化，例如雾、雨和雪。这项工作可能会导致自主驾驶汽车的导航系统得到改进。