原创 | 文 BFT机器人
普渡大学(Purdue University)的研究人员利用他们正在申请专利的方法来改进传统的机器视觉和感知,从而推动机器人技术和自动控制领域的发展。
埃尔莫尔家族电气与计算机工程学院(Elmore Family School of Electrical and Computer Engineering)电气与计算机工程副教授祖宾-雅各布(Zubin Jacob)和研究科学家包芳琳(Fanglin Bao)开发出了HADAR(热辅助探测与测距)。他们的研究成果登上了 7 月 26 日出版的同行评审期刊《自然》(Nature)的封面。
雅各布说,预计到 2030 年,每 10 辆汽车中就有一辆是自动驾驶汽车,将有 2000 万名机器人助手为人们提供服务。
雅各布说:"这些代理中的每一个都将通过先进的传感器收集周围场景的信息,从而在没有人类干预的情况下做出决策。"然而,从根本上讲,由众多代理同时感知场景是令人望而却步的。
传统的有源传感器,如激光雷达(即光探测和测距)、雷达和声纳,都是先发射信号,然后再接收信号,以收集场景的三维信息。这些方法的缺点随着规模的扩大而增加,包括信号干扰和对人眼安全的威胁。相比之下,依靠阳光或其他光源工作的摄像机虽然具有优势,但在夜间、雾或雨等弱光条件下却存在严重障碍。
传统热成像技术是一种完全被动的传感方法,可收集来自场景中所有物体的不可见热辐射。它可以穿越黑暗、恶劣天气和太阳强光进行感应。但雅各布说,基本的挑战阻碍了它在今天的应用。
"物体及其环境会不断发射和散射热辐射,从而导致无纹理图像,这就是著名的鬼影效应,"Bao 说。"人脸的热图像只显示轮廓和一些温度对比,没有任何特征,让人感觉像看到了鬼魂。这种信息、纹理和特征的损失是利用热辐射进行机器感知的障碍。
HADAR 结合了热物理学、红外成像和机器学习,为实现完全被动和物理感知的机器感知铺平了道路。
"我们的工作建立在热感知的信息理论基础之上,表明漆黑环境中的信息量与大白天的信息量相同。进化使人类偏向于白天。雅各布说:“未来的机器感知将克服这种长期存在的昼夜二分法。”
Bao 说:"HADAR 能从杂乱的热信号中生动地恢复出纹理,并准确地将场景中所有物体的温度、发射率和纹理(TeX)区分开来。它能像白天一样透过黑暗看到纹理和深度,还能感知 RGB(红绿蓝)、可见光成像或传统热感应之外的物理属性。令人惊讶的是,它竟然可以像白天一样透过漆黑的环境看到物体"。
研究小组使用越野夜景对 HADAR TeX 视觉进行了测试。
"HADAR TeX 视觉系统恢复了纹理并克服了重影效应,"Bao 说。"除了草地的细节,它还恢复了水波纹、树皮皱纹和涵洞等精细纹理"。
HADAR 的其他改进还包括改善硬件尺寸和数据采集速度。
"目前的传感器又大又重,因为 HADAR 算法需要多种颜色的不可见红外辐射,"Bao 说。"要将其应用于自动驾驶汽车或机器人,我们需要缩小尺寸、降低价格,同时使相机的速度更快。目前的传感器创建一幅图像大约需要一秒钟,但对于自动驾驶汽车来说,我们需要大约30到60赫兹的帧频,即每秒一帧。
HADAR TeX视觉技术的最初应用是在复杂环境中与人类互动的自动驾驶汽车和机器人。该技术还可进一步应用于农业、国防、地球科学、医疗保健和野生动物监测等领域。
作者 | Tina
排版 | 居居手
注:文章版权归原作者所有,如有不妥,请联系删除。转载请联系本公众号获得授权。