1. Преимущества ЛИДАР сильны:
2. камеры
3. Состояние компьютерного зрения
4. Глубокое обучение
5. Другие датчики
6. Датчик Fusion
7. локализация
8. Лазеры или камеры или оба?
9. Когда камеры будут готовы?
10. Хорошее зрение с низким уровнем ЛИДАР или высокого класса ЛИДАР с меньшим зрением
11. Ставка Теслы
12. лидары

Какими будут самые важные датчики в робокаре? Датчики управляют так называемой «системой восприятия», и это главное в управлении автомобилем. Задача системы восприятия состоит в том, чтобы обнаруживать все важные вещи на дороге или рядом с ней, например, другие транспортные средства, пешеходов, мусор и в некоторых случаях дорожные объекты, такие как знаки и разметка полос движения.

(Датчиками также управляет система локализации, задача которой очень точно определить, где находится автомобиль на дороге.)

Система восприятия должна выявлять все препятствия и пытаться их идентифицировать. Нужно измерить их скорость и направление и предсказать, куда они идут. Это очень сложная проблема.

Два ключевых способа, которыми система восприятия может пойти не так, называются ложными негативами (слепота) и ложными позитивами (призрачными объектами). Ложный негатив не обнаруживает препятствие. Это может иметь катастрофические последствия, если это происходит достаточно долго, так что вы не сможете безопасно избежать столкновения с препятствием. Хорошая система почти никогда не получит ложного негатива. Иногда может потребоваться немного дополнительного времени, чтобы полностью понять препятствие, и можно даже вспыхнуть на короткое мигание, но постоянный сбой может означать сбой. Я действительно имею в виду почти никогда, как один из многих миллионов.

Другая ошибка - ложное срабатывание. Там система видит препятствие, которого на самом деле нет. Это приведет к тому, что автомобиль будет тормозить или поворачивать. Это раздражает пассажиров, возможно, даже вредно, если у них нет ремней безопасности. И это также может привести к несчастным случаям, если за автомобилем следят слишком близко или опасно поворачивают или слишком сильно тормозят. Обычно эти уколы оказываются безопасными, но если они происходят слишком часто, пользователи отказываются от системы.

С вышеизложенным связана неправильная классификация. Это может означать принятие велосипедиста за пешехода или два мотоцикла за автомобиль. Даже без идентификации вы знаете, что не можете столкнуться с препятствием, но вы можете неправильно предсказать, куда оно движется или как лучше всего на него реагировать.

Другой класс ошибок - полный провал. Датчик или его программные компоненты могут отключиться или работать со сбоями очевидным образом. Удивительно, но это допустимо чаще, чем слепота, потому что система будет знать, что датчик вышел из строя, и не примет его данные. Он будет либо полагаться на избыточные датчики, либо быстро двигаться, чтобы съехать с дороги, используя другие датчики, если этого недостаточно. Это не может быть слишком частым, иначе люди перестанут доверять системе.

Есть много важных робокарточных датчиков, но для первичного восприятия два наиболее исследованных и обсуждаемых - это ЛИДАР и камеры.

ЛИДАР - это основанный на свете РАДАР. Датчик посылает короткие импульсы невидимого лазерного света и время, необходимое для того, чтобы увидеть отражение. Из этого вы узнаете как яркость цели, так и ее дальность с хорошей точностью.

Преимущества ЛИДАР сильны:

• Он чрезвычайно надежен при обнаружении объекта достаточного размера и диапазона, а также определения его расстояния, размера и положения. Очень близко к 100% надежности.
• В результате получается трехмерная карта окружающего вас мира. Тривиально отделить что-то от вещей, стоящих за ним (или перед ним).
• LIDAR использует излучаемый свет, поэтому он работает независимо от внешнего освещения. Ночью или днем, облаками или солнцем, тенями или солнечным светом, он в значительной степени видит то же самое в любых условиях.
• Он устойчив к помехам и имеет гораздо более высокое разрешение, чем радар.
• Некоторые ЛИДАРЫ могут также определять скорость движения любой цели, используя эффект Доплера.

Однако есть и недостатки:

• Изначально это было очень дорого. ЛИДАРЫ высокого разрешения изготавливаются в небольших количествах и стоят дороже, чем автомобиль. (Новые LIDARs теперь появляются по цене ниже 1000 долларов.)
• Разрешение довольно скромное. Лучшие устройства получают изображение высотой всего 128 пикселей, хотя и гораздо более горизонтально, с частотой около 10 Гц.
• Диапазон ограничен. Типичные лидары хорошо видят до 70-100 метров и получают более ограниченную отдачу от более крупных объектов, таких как автомобили, до 100 метров. Некоторые сейчас претендуют на 200 м, но это сомнительно. Лидары 1,5 микрона, которые еще дороже, могут видеть дальше.
• У большинства лидаров есть движущиеся части, чтобы они могли сканировать мир. Вспышки ЛИДАР избегают движущихся частей, но в настоящее время еще дороже. (Твердотельные лидары нового поколения уменьшают или устраняют движущиеся части.)
• Частота обновления, как правило, медленнее. Кроме того, поскольку LIDAR обычно сканируют сцену, сцена искажается движением сканирующей машины и движением сканируемых объектов, потому что один конец сканируется в другое время, чем другой конец, и все перемещается.
• Лидары могут столкнуться с проблемами при сильном дожде, снеге и тумане, хотя он похож на другие датчики на основе света, включая камеры. Лидары также могут иногда вызывать невидимые вещи, такие как выхлопные газы автомобилей.
• ЛИДАРЫ лучше монтировать снаружи. Им нужен каждый фотон, поэтому вы не хотите отправлять их через лобовое стекло с каким-либо ослаблением.

камеры

Камерные системы следуют человеческой модели. Одна или несколько камер видят сцену, и программное обеспечение пытается делать то, что делают люди - интуитивно понять трехмерный мир и понять его по 2D-изображению.

• Камеры действительно недорогие. Оборудование может стоить всего десятки долларов. Вы можете иметь их много.
• Поскольку камеры видимого света используют отраженный свет, они могут видеть произвольное расстояние в дневное время, если они имеют узкое поле зрения и могут быть нацелены. Ночью они должны использовать проходящий свет - как ваши фары.
• Они видят цвет. ЛИДАРЫ просто видят градации серого в инфракрасном спектре.
• Если они не достижимы, у них нет движущихся частей, но если они достижимы, они могут получить очень высокое разрешение для более удаленных объектов. Даже в широком поле доступны дешевые камеры с очень высоким разрешением - там, где LIDAR может видеть 64 строки, камера может видеть 3000.
• Благодаря такому высокому разрешению и цвету, они способны понимать вещи, которые не могут быть легко изучены с помощью LIDAR с низким разрешением.
• Они могут видеть светофоры, стоп-сигналы, сигналы поворота и другой излучаемый свет. Они превосходны для чтения знаков.

Но у камер есть несколько минусов, первая из которых - нарушение условий:

• Сегодня компьютерное зрение не достаточно хорошее, чтобы обнаружить все важные характеристики с надежностью, необходимой для безопасного вождения.
• Они должны иметь дело с изменением освещения. Объекты обычно подвержены движению теней и могут быть освещены с любого направления - или не освещены вообще.
• Они нуждаются в освещении ночью, и фар может не хватить.
• Компьютерное зрение требует большого количества процессорных или пользовательских чипов, чтобы достичь того уровня, на котором они работают сегодня.

Состояние компьютерного зрения

Обработка камеры может быть разделена на две грубые категории, известные как «машинное зрение» и «компьютерное зрение». Машинное зрение обычно относится к более простому, локализованному анализу цифровых изображений. Это включает в себя такие вещи, как поиск элементов и краев, обнаружение движения и параллакса движения и использование параллакса на стерео (бинокулярных) изображениях для оценки расстояния. Эти методы достаточно хорошо разработаны, и многие из них хорошо поняты. Некоторые проблемы машинного зрения сложнее, но на пути к решению, такие как обнаружение и чтение знаков.

Компьютерное зрение относится к более сложному набору проблем, более сродни способностям людей, которые включают в себя понимание изображения. Это означает такие вещи, как сегментирование изображения и распознавание объектов. Человеку можно показать изображение человека практически в любой обстановке, при любом освещении и быстро определить, что это человек, и даже на каком расстоянии он находится. Мы можем даже различить их направление внимания и активность. Алгоритмы становятся лучше в этом, но еще не на достаточном уровне.

Некоторые проблемы достигли пограничной зоны. Инструменты машинного зрения могут искать функции и делать это независимо от масштаба и поворота. Это позволяет обнаруживать другие автомобили, пешеходов, края дороги и дорожную разметку.

Надежная общая идентификационная проблема - это проблема, которая, как многие полагают, будет решена в конечном итоге, но когда будет гораздо сложнее предсказать. Вождение требует, чтобы система «никогда не пропускала» что-либо, что может быть проблемой безопасности. Особенно сложными являются стационарные препятствия, которые находятся достаточно далеко, так что стерео не работает, и параллакс движения (способ движения вещей на фоне и по отношению к другим объектам, как вы сами двигаетесь) также ограничен. (Объект, по которому вы идете прямо, например, пешеход или застрявший автомобиль на дороге, параллакс движения будет очень слабым.)

Другая проблема для систем зрения - изменчивость освещения и тени. Объекты могут быть освещены с любого направления. У них также может быть солнце позади них. Часто тени будут пересекать объект. В этом случае методы HDR необходимы, чтобы даже увидеть детали в обеих зонах, а теневые границы затмевают любые реальные особенности объекта, когда дело доходит до контраста.

Существует специальный тип камеры, известный как длинноволновый инфракрасный или «тепловой», в котором используется излучаемый, а не отраженный свет. Есть еще «тени» в том, что на солнце вещи теплее, чем в тени, но нет движущихся теней. Тепловые изображения являются монохромными, но работают одинаково хорошо днем ​​и ночью - на самом деле они лучше ночью. Они могут лучше видеть в тумане и некоторых других погодных условиях. Они могут быть очень хорошими в обнаружении живых существ, но не тогда, когда земля находится при температуре человеческого тела. К сожалению, тепловые камеры очень дороги, а приличное разрешение очень дорого. Они также должны быть установлены снаружи, так как LWIR не проходит через стекло. В настоящее время никто не сообщает об использовании этих камер, но некоторые изучают их.

Существует некоторый потенциал в «гиперспектральной» визуализации, когда у вас есть камеры, работающие во многих цветовых диапазонах, включая инфракрасный и ультрафиолетовый. С такими изображениями иногда может быть намного легче идентифицировать определенные типы объектов.

Люди обычно могут преобразовывать двумерные изображения, которые видят наши глаза, в трехмерную модель мира, хотя мы делаем это намного лучше, когда со временем исследуем сцену и наблюдаем параллакс движения. Компьютеры в настоящее время скромны в статических изображениях и лишь иногда используют движение, чтобы помочь. Люди используют стерео, но также могут нормально двигаться с закрытым или отсутствующим глазом.

В отличие от этого, LIDAR может создать полную трехмерную карту сцены за один раз. Многократные развертки могут улучшить то, что он видит - и помочь ему оценить скорость.

Глубокое обучение

Большая часть сегодняшнего возбуждения в компьютерном зрении связана со сверточными нейронными сетями, в частности те, которые созданы с помощью инструмента под названием «Глубокое обучение», который, похоже, имитирует многие возможности биологического мозга. Многие думают, что именно здесь произойдет прорыв. Глубокое обучение работает с большим обучающим набором - и в ограниченной степени даже может делать вещи даже без специальной подготовки - чтобы помочь ему понять мир и даже что делать. Люди создали роботов, которые, пройдя по местности и обучив глубокому обучению на управляемых путях, смогут научиться двигаться в подобных условиях.

Это захватывающая работа, но предельная точность, необходимая для робокаров, еще далеко. Также вызывает беспокойство то, что когда работает Deep Learning, мы не знаем точно, почему это работает, просто так оно и есть. Вы можете добавить тренировку к нему, чтобы исправить ошибки, но вы даже не можете быть уверены, почему это исправило ошибки. Тот же недостаток может быть в определенной степени приписан человеческому мозгу, но люди могут сказать вам, почему они действовали.

Есть разные способы взглянуть на это с юридической точки зрения. Машинное обучение в целом может повредить вам, потому что вы не можете понять, как оно работает, или вам может помочь то, что вы просто применили лучшие практики с хорошими показателями безопасности, и не было допущено какой-либо конкретной ошибки, которая может быть признана небрежной.

Машинное обучение имеет тенденцию улучшаться, чем больше данных об обучении вы предоставляете, и поэтому прилагаются большие усилия для создания огромных объемов таких данных. Тем не менее, нейронные сети не способны распознавать вещи, которые они никогда не видели, или видели вещи, похожие на них.

Другие датчики

Самый важный другой датчик - радар. Радар имеет некоторые фантастические преимущества. Во-первых, он хорошо видит сквозь туман, когда все оптические датчики выходят из строя. Во-вторых, он хорошо видит другие машины, и каждый удар радара возвращает не только расстояние, но и скорость, с которой препятствие движется, благодаря допплер , Это даже больше, чем дает LIDAR - один радиолокационный снимок показывает все движущиеся препятствия и их скорости.

Радар может делать такие вещи, как отскочить от дороги под машиной или грузовиком перед вами и сказать вам, что делает невидимое транспортное средство перед машиной - это ловкий трюк.

Радар сегодня предлагает гораздо меньшее разрешение. Существуют экспериментальные радары высокого разрешения, но им нужно много радиоспектра (ширины полосы) - больше, чем выделяют регуляторы для использования. Радар с трудом сообщает вам, находится ли цель на вашей полосе движения или нет, или находится ли она на эстакаде или на дороге перед вами.

Неподвижные объекты также возвращают радиолокационные сигналы, но это проблема. Земля, знаки, ограждения - все они возвращают радиолокационные сигналы о том, что они являются фиксированными объектами. Таким образом, в то время как остановленный автомобиль также дает радар, вы не можете точно сказать это, кроме знака на обочине дороги или остановившегося автомобиля в плече. Большинство автомобильных радаров просто игнорируют отдачу от неподвижных объектов, что является одной из причин того, что в течение длительного времени автоматические круиз-контроль не работали в режиме остановки и движения.

Новое исследование создает радар с более высоким разрешением, а также изучает, как идентифицировать классы объектов по шаблонам в доходах от них. Цифровые радары с фазированной решеткой могут охватывать сцену и доводить разрешение примерно до одного градуса. Этого не достаточно, но становится лучше.

Датчик Fusion

Если у вас есть более одного датчика, вы хотите объединить все данные, чтобы вы могли понять, что автомобиль, который вы видите на радаре, такой же, как автомобиль, который вы видите в LIDAR или на камере. Это улучшает качество ваших данных, но также может повредить. Слияние не на 100% надежно. Что вы делаете, если ваш радар показывает, что перед вами есть машина, а камера - нет, или наоборот? Вы должны решить, во что верить. Если вы считаете, что ошиблись, вы можете сделать ошибку. Если вы верите в сообщение о препятствии, вы можете уменьшить свою слепоту (что очень важно), но теперь вы складываете призрачные препятствия обоих датчиков. Иногда вы получаете лучшее из обоих миров, а иногда и худшее.

Несмотря на это, поскольку все датчики имеют различные ограничения, хорошее объединение датчиков остается главной целью большинства команд робототехники.

Слияние датчиков может быть выполнено без осложнений, если каждый датчик лучше справляется с определенной проблемой или конкретной областью исследования. Тогда вы доверяете этому датчику в своем регионе наилучшей работы.

(Следует отметить, что хорошее слияние выполняется с учетом необработанных данных со всех датчиков; вы не просто решаете, что у радиолокационных данных есть объект, а у данных о зрении - нет. Тем не менее, многие элементы будут отображаться гораздо более четко в одном наборе Данные датчика, чем другой.)

локализация

Обе камеры и LIDAR могут использоваться для локализации (выяснение, где вы находитесь на карте.) LIDAR снова имеет преимущество в том, что он независим от внешнего освещения и использует полное трехмерное изображение, но проблемы с локализацией с помощью камеры меньше, чем делать полное восприятие объекта с одним.

Процесс локализации начинается с использования таких инструментов, как GPS, инерциальное обнаружение движения и колесные кодеры, чтобы приблизительно определить, где вы находитесь, а затем посмотреть на сцену и сравнить ее с известными картами и изображениями местности, чтобы точно определить, где вы находитесь. GPS и другие инструменты не достаточно хороши для вождения (и GPS не работает во многих областях), но расширенная локализация вполне подходит для работы.

Лазеры или камеры или оба?

Обе технологии имеют свои преимущества и недостатки, так что это правильный выбор?

Робокары пока только коммерческие и не будут в реальном производстве до 2020 года или позже, согласно оптимистичным прогнозам. Правильный вопрос - на самом деле, какую технологию вы можете надежно поставить, будет лучше в будущем.

Основной проблемой ЛИДАРа была стоимость. Некоторые думают, что смешно, что многие автомобильные команды используют LIDAR Velodyne за 75 000 долларов или даже их меньший 32 самолета за половину этой стоимости. Это намного больше, чем стоимость автомобиля. Тем не менее, это похоже на то, что кто-то в 1982 году заметил, что 5-мегабайтный дисковод стоит 3000 долларов, и предсказывает, что дисковые накопители - это недопустимо дорогая технология для хранения больших объемов данных. Реальность такова, что электронные технологии сильно падают в цене по мере того, как они производятся в потребительских объемах, а со временем и по закону Мура они падают еще больше.

Если увидеть рынок миллионов ЛИДАРов с высоким разрешением, стоимость этих инструментов значительно упадет; не настолько дешевым, как камеры, но по разумной цене, менее нескольких тысяч долларов, и, в конечном итоге, значительно ниже тысячи. Камеры тоже будут падать, но только по закону Мура, так как они уже сделаны в больших объемах. Известны проекты по разработке более дешевых LIDARS как у ведущих поставщиков автомобилей, так и у небольших стартапов.

Конечно, системы LIDAR всегда будут дополнять себя ограниченным использованием камеры, чтобы видеть такие вещи, как светофоры, которые LIDAR не может видеть.

Компьютерное зрение также станет лучше. Прогресс машинного зрения более гарантирован, потому что отчасти это будет связано с получением более быстрых и более специализированных процессоров машинного зрения, а общая вычислительная электроника станет дешевле. В частности, будущие чипы смогут обрабатывать изображения с более высоким разрешением для большей точности и выполнять поиск по большему количеству шаблонов и списков функций.

Израильская компания MobilEye, в настоящее время входящая в состав Intel, которая, возможно, является лидером в области систем машинного зрения для вождения, делает свой продукт, создавая специализированную интегральную микросхему, оптимизированную для выполнения примитивов машинного зрения. Они прошли через 4 поколения чипа, чтобы сделать его лучше и повысить производительность.

Это приведет к улучшению компьютерного зрения, но оно также требует совершенно новых алгоритмов. Дело не в том, что если вы предоставите компьютерному зрению суперкомпьютер, он вдруг станет надежным. Если бы это было так, то предсказание закона Мура могло бы сказать вам, когда оно станет коммерчески жизнеспособным для автомобилей и роботов. Вместо этого необходимы алгоритмические открытия.

Это не значит, что таких прорывов не будет. Над ними работает большое количество людей, и на них можно заработать много денег. И есть эксперты по компьютерному зрению в нескольких известных командах робокаров, включая VisLab в Парме, китайские команды, основанные на новаторской работе Дикманна, проекте Mercedes 6D и вышеупомянутом MobilEye, которые имеют большой оптимизм.

Для других команд тот факт, что дешевый LIDAR может быть предсказан как очень вероятный, а дата эффективного видения неясна, требует одного ответа - основывать системы на LIDAR. Если появятся дешевые системы видеонаблюдения, большая часть работы будет переназначена для взаимодействия с системами камер.

Высокая стоимость LIDAR заставила многих людей делать заявления для прессы о том, что их система видения решит проблему слишком дорогостоящих робокаров. Реальность такова, что автомобили станут доступными во время их выпуска, независимо от того, какая технология используется.

Системы машинного зрения имеют больше смысла в технологиях ближайшего времени, а именно в «супер круизных» автомобилях, которые могут оставаться на своей полосе движения и идти в ногу с другими автомобилями, но требуют постоянного человеческого контроля. Человеческий надзор (который они применяют с помощью различных инструментов, таких как частое прикосновение водителя к колесу) устраняет многие проблемы, связанные с слишком частыми ошибками, которые допускают современные системы зрения. Если такие системы больше не могут найти производителя полосы движения, они продолжают движение прямо, следуя за другими автомобилями, и издают громкую тревогу, чтобы водитель вступил во владение.

Эти системы, контролируемые водителем, не могут значительно увеличить стоимость автомобиля, поэтому камеры и радары - единственный практический ответ сегодня. Это не должно приводить к выводу, что камеры достаточно хороши для работы без присмотра. Они могут работать в 99% случаев, но разница между 99% и 99,9999% составляет не менее 1%. Это действительно фактор 10000. Другими словами, для вождения без присмотра требуется система, которая на 1000000% точнее, а не на 1%.

Сегодня почти все усилия по самостоятельному вождению сосредоточены на безопасности. Многие команды создали машины, которые могут хорошо ориентироваться в некотором приличном участке дороги, но задача состоит в том, чтобы улучшить машины до уровня безопасности, подходящего для использования в общественных местах. Таким образом, вряд ли кто-то будет рисковать безопасностью, чтобы сэкономить только скромные суммы денег. Если мы уверены, что стоимость LIDAR снизится до 10-20% от стоимости автомобиля, это просто не та сумма денег, которая заставит людей делать что-либо, кроме выбора с наивысшей безопасностью, по крайней мере, для первых выпущенных автомобилей. , Позже, когда рынок будет устойчивым, возникнет ценовая конкуренция, и будут обсуждаться классические компромиссы между безопасностью и стоимостью, а в некоторых случаях - для более дешевых автомобилей - системы, которые немного менее безопасны, но экономят много денег. может иметь смысл.

Это будет не из-за правил, а из-за ответственности. Люди могут быть готовы сказать в суде, что они выбрали меньшую систему, потому что она сэкономила 100 000 долларов, а не потому, что она сэкономила 3000 долларов на ранних автомобилях.

Когда камеры будут готовы?

Поскольку использование камер требует алгоритмических прорывов, очень трудно предсказать, когда они могут быть достаточно хорошими для вождения.

Показатели вождения человека ужасны и довольно хороши. В среднем, каждые 250 000 миль происходят аварии любого рода. Смертельные случаи происходят в среднем каждые 100 миллионов миль, каждые 180 миллионов миль на шоссе. Таким образом, скорость движения по шоссе составляет около 3 миллионов часов между несчастными случаями со смертельным исходом, хотя между незначительными авариями - всего около 6000 часов. Многие водители никогда не вызывают несчастных случаев в своей жизни, другие же вызывают несколько.

Конечно, не всякая слепота восприятия приведет к несчастному случаю. Фактически, люди очень часто смотрят в сторону от дороги на короткие отрезки и лишь изредка падают с нее. (Хотя 80% сбоев связаны с отсутствием внешнего вида.) Поэтому сложно установить действительно хорошие показатели надежности. Цифровые системы видят мир «кадр за кадром», хотя они также анализируют, как все меняется со временем. Если система восприятия не может увидеть что-то в одном кадре, но видит это в следующем, это почти никогда не будет проблемой - это похоже на «моргание» человека. Если система в течение длительного времени не замечает чего-либо, риск того, что это может вызвать инцидент безопасности, возрастает.

Как долго вы должны воспринимать вещи, зависит от скорости. Если перед вами на дороге в пределах диапазона восприятия появляется препятствие, вы должны быть в состоянии остановиться. В то время как сворачивание может быть резервным планом, вы не всегда можете сворачивать, поэтому ваша система должна быть в состоянии остановиться. Это означает надежное обнаружение задолго до тормозного пути для вашей скорости и состояния дороги. Если дороги мокрые или ледяные, это может быть довольно далеко.

Большая привлекательность ЛИДАР заключается в том, что, по крайней мере, для объектов приличного размера, таких как пешеходы, автомобили, велосипедисты и крупные животные, он всегда будет получать лазерные сигналы о том, что что-то есть. Система может быть не в состоянии выяснить, что это такое, но она будет знать, что она есть, и будет все больше и больше уверена, чем ближе вы к ней подходите. Если что-то большого размера блокирует дорогу перед вами, вы должны остановиться, независимо от того, что это такое, хотя есть некоторые исключения, такие как птицы и выдуваемые обломки. В пределах определенного диапазона расстояний и размеров LIDAR очень близок к 100%, и это важно.

Системы видения могут быть лучше в выяснении того, что что-то. Даже автомобили на базе LIDAR будут использовать камеры для специальной идентификации таких вещей, как птицы, дорожные конусы, дорожный мусор, светофор и многое другое.

Системы видения также имеют преимущество при попытке проехать по неизвестным дорогам. Многие из разрабатываемых систем избегают движения по неизвестным дорогам. Наличие подробной карты дороги чрезвычайно ценно, а стоимость ее создания хорошо масштабируется. Вождение по неизвестным дорогам (или дорогам, измененным в результате строительства) по-прежнему важно

Если бы мы могли создать работающую систему видения, но для этого требовалось бы час суперкомпьютерного времени на кадр, мы могли бы предсказать, когда эти вычислительные ресурсы станут доступными. Однако этой информации недостаточно для прогнозирования, поскольку дешевые ресурсы действительно позволяют проводить исследования, которые не выполняются, когда вам нужно купить время для суперкомпьютера. Во многих случаях прорыв ждет достаточной вычислительной мощности и других инструментов, находящихся в стольких лабораториях, что кто-то придумывает ответ.

Я предсказываю, что камеры будут присутствовать всегда, и что их роль со временем будет возрастать, но ЛИДАРЫ не исчезнут в течение длительного времени. Сегодня камеры нужны для наблюдения за огнями, такими как светофоры и поворотники. В будущем они будут привыкать к зонам легкого слияния сенсоров, таким как наблюдение за вещами, выходящими за пределы диапазона других сенсоров (по крайней мере, в течение дня), чтение знаков и, возможно, даже обнаружение лица и взгляда на других людях на дороге. , чтобы увидеть, куда они смотрят и измерить свои намерения. Некоторые из них потребуют либо панорамирующих / наклоняющих камер большой дальности, либо массивов дешевых камер, что закон Мура продолжает приносить нам.

Существует другая история, если ваш робот будет двигаться только на очень низких скоростях. Например, доставочные роботы или транспортные средства типа гольф-каров "NEV", которые развивают скорость не более 40 км / ч. На низких скоростях вам не нужно смотреть дальше, поэтому стереозрение может помочь вам увидеть мир в настоящем 3D. У него все еще есть проблема, связанная с текущим естественным освещением.

Ночью на низких скоростях или в помещении вы можете использовать камеры со «структурированным светом» (например, ту, что есть в Microsoft Kinect). Они также могут видеть мир в 3D и не подвержены изменениям освещенности - потому что они избегают места, которые освещены солнцем.

Хорошее зрение с низким уровнем ЛИДАР или высокого класса ЛИДАР с меньшим зрением

Хотя некоторые команды все еще надеются сделать все это с помощью камер и радара, я считаю, что использование как LIDAR, так и камер выиграет. Как таковой вопрос стал больше о том, кто из них будет доминировать и обеспечить основную часть стоимости. Это опять-таки зависит от того, как быстро произойдут две тенденции: более дешевый LIDAR, а также улучшенное и более дешевое зрение.

Большинство команд, использующих LIDAR более высокого класса, полагаются на них и планируют, что они будут дешевыми. Это произойдет, но они все равно будут дороже, чем камеры. Чем больше разрешение у вашего LIDAR, тем надежнее он может идентифицировать все. В то же время камеры по-прежнему будут хорошо узнавать обо всех вещах в окружающей среде и необходимы для таких вещей, как светофоры, сигналы поворота и удаленные объекты, которые LIDAR не видит. ЛИДАР предлагает путь к высшему уровню безопасности. Если перед вами есть препятствие, вы всегда будете знать с помощью ЛИДАРА, даже если вы не знаете, что это такое. Если вы не знаете, вы остановитесь. Системы зрения, которые на 99,9% точны в определении того, что является препятствием, помогут автомобилю работать очень хорошо, потому что он будет точно знать, что есть, куда они идут и как далеко они находятся. Один раз из 1000 он станет немного более консервативным, чем должен.

Классическим примером могут быть такие вещи, как птицы или выдува мусора, которые появляются у вас на пути, но вам не следует замедляться. ЛИДАР их увидит, а камера почти всегда даст дополнительную информацию о том, что делать. Редко, автомобиль может затормозить за птицей - но очень редко с течением времени. Эта работа задолго до того, как система зрения достигнет 99,9999%, что вы хотите от нее самостоятельно.

Некоторые будут утверждать, что менее дорогой метод состоит в том, чтобы использовать LIDAR с низким разрешением и низкой стоимостью вместе с лучшим компьютерным зрением. Здесь, LIDAR даст вам уверенность, что вы не пропустите препятствие, но вам всегда понадобится видение, чтобы сказать, что вы этого хотите. Тем не менее, 1 раз в 10 000 или 100 000 случаев, когда он не может правильно определить препятствие, в худшем случае автомобиль становится слишком консервативным и тормозит для чего-то, для чего не нужно тормозить.

Проще говоря, первые потребительские робокары, которые должны появиться в период с 2017 по 2019 год, будут самыми экспериментальными и наименее изысканными. Безопасность - главная цель всех усилий, направленных на эти автомобили. Никто не хочет жертвовать безопасностью, чтобы сэкономить несколько сотен долларов, которые, по прогнозам, будут стоить ЛИДАР в то время. Только тогда, когда один датчик может полностью вытеснить другой, встанет вопрос о выборе только одного, чтобы сэкономить деньги. Слияние их создает проблемы, поэтому, если будет только один, это будет ЛИДАР в течение нескольких лет.

Позже, в 2020-х годах, если камеры станут способны к требуемой надежности восприятия сами по себе или в сочетании с другими датчиками, такими как радар, было бы целесообразно использовать только эти системы для экономии денег, поскольку камеры, вероятно, останутся дешевле, чем LIDAR для обозримого будущее.

В приложениях с более низкой скоростью (менее 25 км / ч) можно использовать только камеры, поскольку большая дальность не требуется.

К тому времени, когда этот вопрос решится, зрение станет очень хорошим, а лидары - очень дешевыми. Так кто знает окончательный ответ?

Ставка Теслы

Тесла классно осуждает ЛИДАР, называя его «костылем» и «хромым». Их стратегия состоит в том, чтобы сделать все это с 8 камерами и радаром. Их тезис заключается в следующем: для реального вождения требуется превосходное компьютерное зрение. Они так великолепны, утверждают они, что, как только он у вас есть, ЛИДАР не говорит вам ничего лишнего. Это высокоуровневое компьютерное зрение, на которое они надеются, способно обнаруживать препятствия с почти 100% надежностью и определять расстояние во всех ситуациях.

Тесла считает, что если у вас есть такое компьютерное зрение, вы потратили время на разработку LIDAR, который больше не дает никаких преимуществ. Большинство других команд считают, что преимущества LIDAR слишком сильны, и день, когда зрение будет таким хорошим, слишком далек и его сложно предсказать. Они чувствуют, что могут сделать безопасный, работающий робокар быстрее, используя комбинацию LIDAR и «очень хорошего» компьютерного зрения вместо почти идеального компьютерного зрения.

Время покажет.

лидары

Для тех, кто не знаком с LIDAR, вы можете начать с Википедия , Velodyne пользуется популярностью среди многих робокаровых команд - большой тяжелый цилиндр с 64 лазерами и датчиками. Весь цилиндр вращается 10 раз в секунду и сканирует мир вокруг него. Он излучает импульсы света с длиной волны 905 нм - это невидимо в ближней инфракрасной области - и время возврата этих импульсов. Velodyne также производит меньшую установку с 32 лазерами и 10 000 долларов с 16 лазерами.

Импульсы ЛИДАР очень яркие, потому что мы должны видеть импульс отражения даже на солнце. Они, однако, очень короткие, и устройство вращается, поэтому они не стреляют в одно и то же место, обеспечивая безопасность для глаз людей.

Стоимость этих устройств зависит от нескольких факторов. Лазеры являются промышленными устройствами с высокими характеристиками мощности и производительности, как и рецепторы. Они производятся в умеренных промышленных объемах, а не в потребительских объемах, таких как лазеры на DVD. Блоки тяжелые и имеют движущиеся части и изготавливаются небольшими объемами, а не путем массового производства.

Лидары уже дешевеют. Новая 16-лазерная Velodyne стоит менее 10000 долларов. Quanergy, для которого я являюсь консультантом, предлагает 8-лазерные устройства стоимостью около 1000 долларов и обещает новый тип LIDAR с разрешением aribtrary к 2018 году за значительно меньшую цену. Valeo / IBEO обещает ЛИДАР за 250 долларов с 4 лазерами, но с ограниченным полем зрения. Велодин утверждает, что в очень больших количествах они могли бы сделать отличную единицу за 300 долларов. Расходы будут продолжать падать.

Есть некоторые другие заметки LIDAR:

• Многие ЛИДАРЫ существуют с 1-4 лазерами, которые не вращаются, но имеют вращающееся или вибрирующее зеркало, которое направляет исходящий и входящий свет. Они меньше и имеют меньшие движущиеся части. Им трудно видеть на 360 градусов, поэтому Velodyne раскручивает весь блок. Вам нужно больше, чем один из них, чтобы увидеть все вокруг.
• Вспышка LIDAR посылает яркую вспышку по всей области, а затем она принимается массивом датчиков и таймеров, способных сделать «снимок» всей сцены сразу. Это имеет много преимуществ - нет движущихся частей, и вы не получите артефактов движения, потому что мир и датчик движутся во время сканирования. В сканирующем лидаре все объекты растягиваются или искажаются, потому что они почти все движутся относительно датчика. Вспышка LIDAR сегодня очень дорога - это специальная сенсорная микросхема, и импульс должен быть чрезвычайно мощным, чтобы освещать все поле зрения одновременно.
• Зеркала MEMS представляют собой ультратонкие движущиеся зеркала, построенные на кремниевых чипах. Это то, сколько видео проекторов работает. Хотя есть движущиеся части, они очень маленькие и могут быть очень легкими и прочными. Некоторые LIDARы ближнего действия были построены с использованием этой технологии.
• Если вы используете свет в диапазоне 1,5 микрона (более глубокий инфракрасный), человеческий глаз больше не фокусирует его. В результате вы можете посылать гораздо более яркие импульсы, не причиняя вреда, а это значит, что вы можете видеть дальше. Плохая новость заключается в том, что 1,5-микронный свет также не запускает кремний, поэтому вы должны использовать другие типы электроники, технологии, которые не имеют кремний низкой стоимости и больших объемов. Таким образом, 1,5-микронные лидары также очень дороги сегодня.
• Некоторые специальные LIDAR были сделаны, чтобы видеть дальше, и даже предоставляют допплер, чтобы они знали, как быстро движется цель, по которой они поражают. Это трудно сделать в универсальном LIDAR с высоким разрешением.
• Некоторые камеры во время полета излучают свет с несущей волной и смотрят на изменение фазы отраженных отражений, чтобы измерить время. Они могут быть очень недорогими, но они имеют меньший диапазон и больше шума при чтении на расстоянии.

Комментарии к этой статье можно оставить по адресу сообщение в блоге ,

Похожие

Комментарии