人工智慧結合汽車雷達,希望真的可以避免行車零死角,降低車事故發生啊 .
美國知名普林斯敦大學的研究團隊將人工智慧用於追踪超速駕駛的雷達結合，開發出一種系統，可使車輛發現街角轉彎處隱藏的危險，如下圖所示：
這個系統易於整合到汽車上，使用都卜勒雷達（註：Doppler radar，一種雷達，可利用都卜勒效應，測量物體在雷達波方向上的徑向運動速度，常用於氣象觀測與測速。）將無線電波從建築物、車體的表面反射回去。
雷達訊號會以特定的角度，照射到物體表面後反射回去，就像是撞球的白色母球撞擊到球台壁後反彈回去一樣。雷達訊號會持續照射藏在街角轉彎處的物體，然後反射回來的訊號會被車上安裝的探測器偵測到，使系統能看到轉角的物體，並且判斷它是在移動還是靜止。
「這將使汽車偵測到今日許多光學雷達 (lidar) 與相機的感光元件無法記錄到的被遮蔽物，例如，讓一台自駕車在十字路口上環顧四周的危險物體，」普林斯頓大學的電腦科學助理教授、也是此次研究人員之一的 Felix Heide 說：「雷達感應器的成本也相對較低，尤其是與光學感應器相比，而且也可以量產。」
研究人員在 6 月 16 日的電腦視覺與模式識別（CVPR）會議上發表了一篇論文，提到這個系統如何分辨汽車、自行車以及行人，並判斷他們的方向以及迎面而來的速度：「我們提出的方法能在現實世界的自駕情境中，在視線感應器偵測到他們以先，就為行人以及騎自行車的人預先發出碰撞警示。 」
近年來工程師們已開發出許多能讓車子偵測到路上異物的感應系統，但其中有許多都是靠著光學雷達、可見光或是近紅外光的相機，這種防止碰撞的感應器在現代的汽車中很常見。但是光學感應很難發現到汽車視線之外的物體。在早些的研究中，Heide 的研究團隊曾使用光照來看見藏在角落的物體，但卻很難應用到汽車上，因為需要高功率的雷射且僅限於近距離使用。
在過去的研究中，Heide 及團隊人員想知道是否有可能創建一個系統，使用成像雷達而不是可見光，來檢測汽車事件之外的危險。對於雷達系統，在平滑表面上所耗損的信號是少得多了，且雷達是被證實可以用來追蹤物體的科技。他們所面臨的挑戰是，當雷達用於拍攝轉角處的汽車與自行車等物體時，其空間分辨率相對較低。然而，團隊相信他們可以開發出演算法來解譯雷達數據，以讓感測器發揮功效。
「我們開發的演算法很有效、並適合當代的汽車硬體系統」Heidi 說：「所以你可能會看到這項科技出現在下一代的汽車上。」
為了讓這個系統能分辨物體，Heide 的團隊處理了部分雷達信號，亦即能將背景噪音視為非可用信息的一般雷達。團隊應用了人工智慧技術來優化處理程序以及讀取影像。論文作者之一的 Fangyin Wei 表示：運行該系統的電腦，必須學會從非常少量的數據中，識別出騎自行車的人和行人。
她說：「首先，我們必須要偵測是否有物體。如果有的話，那他是否重要？是否為騎單車的人或是行人？接下來，我們就要將其定位出來。」 Wei 還表示：該系統目前能夠檢測到行人和騎自行車的人，工程師們都認為他們是最具有挑戰性的物體。因為他們的尺寸小、形狀不一、動作多樣。當然，該系統也能偵測到汽車。
Heidi 說，研究人員計劃在雷達和信號處理改善等多種應用上，進行研究。他說這個系統擁有完全改善汽車安全的潛力，且它是靠著現有的雷達傳感器技術就可做到，因此下一代汽車可望能部署雷達系統。
「這肯定會經歷到非常嚴峻的汽車開發週期」他說：「就整合與推向市場而言，它需要大量的工程與設計。但是技術已經就緒，因此我們可能很快就會在汽車上見到這樣的景況。」
推薦閱讀：AI 自駕車不只有特斯拉！9 個人工智慧帶來的汽車產業革新
相關文章:
線上職訓正夯 從零開始花半年錄取軟體工程師
Python vs R語言：哪個比較適合人工智慧／機器學習？
台灣本土開發AI 發行首張音樂專輯<<武漢肺炎>>
六個月從工地工人轉職 Java 軟體工程師，全因半年做了「對的決定」
人工智慧再次打敗人類,勇奪威士忌金牌(上)
史上第一支人工智慧威士忌勇奪金牌(下)
數位行銷,利用Python把工作變得簡單(上)
