Forskere har utviklet to nye smarttelefon-baserte systemer, som kan
akselerere utviklingen av driverfri biler ved å identifisere en brukers
plassering og orientering på steder der GPS ikke fungerer.
Disse
kan også identifisere de ulike komponentene av en vei scenen i sanntid på
et vanlig kamera eller smarttelefon, utfører den samme jobben som sensorer
koster millioner.
Selv om systemene ikke kan styre en
driverfri bil, muligheten til å gjøre en maskin “se” og nøyaktig
se hvor det er og hva det er du ser på er en viktig del av
å utvikle autonome kjøretøy og robotics.
“Vision er vår mest
kraftig følelse og driverfri biler vil også behovet for å se, men en undervisning
maskinen å se, er langt vanskeligere enn det høres ut,” sa professor
Roberto Cipolla fra University of Cambridge, som ledet forskningen.
Den
første systemet, som kalles SegNet, kan ta et bilde av en gate scenen
ikke har sett før og klassifisere det, sortere objekter i 12 forskjellige
kategorier – slik som veier, gateskilt, fotgjengere, bygninger og
syklister – i sanntid.
Det kan tilbyr med lys, skygge og natt-tid-miljøer, og i dag etiketter mer enn 90 prosent av punkter på riktig måte.
“Brukere
kan besøke SegNet hjemmeside og laste opp et bilde eller søk etter hvilken som helst by
eller by i verden, og systemet vil merke alle komponentene i
veien scene. Systemet har blitt testet på både byen
veier og motorveier,” forfatterne bemerket.
“Det er usedvanlig flink til å gjenkjenne ting i et bilde fordi det har hatt så mye praksis, lagt til Alex Kendall, PhD-student.
SegNet
først og fremst var opplært i motorveien og urbane miljøer, slik at den fortsatt
har litt å lære å gjøre for rural, snødekte eller ørkenen miljøer –
selv om det har gjort det bra i tester for disse miljøene.
Det
er tre viktige teknologiske spørsmål som må besvares for å designe
autonome kjøretøy: hvor er jeg, hva som er rundt meg, og hva gjør jeg neste.
SegNet
– postadresser det andre spørsmålet, mens et separat, men utfyllende system
svarene den første ved bruk av bilder for å finne ut både presis plassering
og orientering.
Den andre lokalisering systemet kjører på en lignende
arkitektur for å SegNet og er i stand til å lokalisere en bruker og bestemme
deres orientering fra en enkelt farge bilde i en travel urban scene.
Den
systemet er langt mer nøyaktig enn GPS og arbeider på steder hvor GPS-gjør
ikke, som innendørs, i tunneler, eller i byer hvor et pålitelig GPS
signalet ikke er tilgjengelig.
Lokaliseringen systemet bruker geometri
på en scene for å finne ut den nøyaktige posisjonen din, og er i stand til å avgjøre, for
eksempel, enten det er å se på øst eller vestsida av en bygning,
selv om de to sidene vises identiske.
“På kort sikt, er vi
mer sannsynlig å se denne typen system på en innenlandsk robot – for eksempel en
robot støvsuger, for eksempel,” Cipolla lagt til.
Den
forskere presentert detaljene av de to teknologiene på
Internasjonal Konferanse om Computer Vision i Santiago, Chile,
nylig.
Last ned Gadgets 360-app for Android og iOS for å holde deg oppdatert med den nyeste tech nyheter, produkt
anmeldelser og eksklusive tilbud på de populære mobiler.