Forskere har udviklet to nye smartphone-baserede systemer, der kan
fremskynde udvikling af førerløse biler ved at identificere en bruger er
placering og orientering på steder, hvor GPS ikke fungerer.
Disse
kan også identificere de forskellige komponenter af en vej scene i realtid på
et almindeligt kamera eller smartphone, der udfører det samme arbejde som sensorer
koster millioner.
Selv om de systemer, der på nuværende tidspunkt ikke styre en
førerløse bil, evnen til at gøre en maskine “se” og præcist
identificere, hvor det er, og hvad det er, der kigger på, er en vigtig del af
udvikling af autonome køretøjer og robotteknologi.
“Vision er vores mest
kraftfuld følelse og førerløse biler vil også nødt til at se, men undervisning en
maskine til at se, er langt vanskeligere end det lyder,” sagde professor
Roberto Cipolla fra University of Cambridge, der ledede forskningen.
Den
første system, kaldet SegNet, kan tage et billede af en gade scene det
har ikke set før, og klassificere det, sortering af objekter i 12 forskellige
kategorier – såsom veje, vejskilte og fodgængere, bygninger og
cyklister – i realtid.
Det kan beskæftige sig med lys, skygge og nat-tid miljøer, og i øjeblikket etiketter mere end 90 procent af pixels korrekt.
“Brugere
kan besøge SegNet hjemmeside, og upload et billede eller søg efter en by
eller by i verden, og systemet vil mærke alle komponenter af
vejen scene. Systemet har været testet med succes på både byen
veje og motorveje,” forfatterne bemærkede.
“Det er bemærkelsesværdigt gode til at anerkende ting i et billede, fordi det har haft så meget praksis,” tilføjer Alex Kendall, Ph.d. – studerende.
SegNet
primært blev uddannet på motorvejen og byrum, så er det stadig
har nogle at lære at gøre for landdistrikterne, snedækket eller ørkenen miljøer –
selv om det har klaret sig godt i de indledende tests for disse miljøer.
Der
tre vigtige teknologiske spørgsmål, der skal besvares til design
selvstyrende køretøjer: hvor er jeg, hvad der er omkring mig, og hvad skal jeg gøre næste.
SegNet
adresser andet spørgsmål, mens et andet, men supplerende system
svar den første ved at bruge billeder til at bestemme både præcise placering
og orientering.
Den anden lokalisering systemet kører på en lignende
arkitektur til at SegNet, og er i stand til at lokalisere en bruger og bestemme
deres orientering fra en enkelt farve billede i en travl urban scene.
Den
systemet er langt mere præcis end GPS, og arbejder på steder, hvor GPS ikke
ikke, sådan som indendørs, i tunneller, eller i byer, hvor en pålidelig GPS
signalet er ikke til rådighed.
Lokaliserings-systemet bruger geometri
af en scene til at lære deres præcise placering, og er i stand til at afgøre, om
eksempel om det er at se på den østlige eller vestlige side af en bygning,
selv hvis de to parter ser ens ud.
“På kort sigt, er vi
mere tilbøjelige til at se denne slags system på en indenlandsk robot – som er en
robot støvsuger, for eksempel,” Cipolla tilføjet.
Den
forskere præsenteret detaljer om de to teknologier på
International Conference on Computer Vision i Santiago, Chile,
for nylig.
Download Gadgets 360 app til Android og iOS til at holde dig ajour med de seneste tech nyheder, produkt
anmeldelser og eksklusive tilbud på de populære mobiler.