AI增强夜视技术：破解自动驾驶夜间行驶难题

AI增强夜视技术：破解自动驾驶夜间行驶难题

引用

nature

等

10

来源

1.

https://www.nature.com/articles/s41377-024-01434-0

2.

https://blog.csdn.net/jch924583667/article/details/140875062

3.

https://techxplore.com/news/2024-10-infrared-camera-aims-safety-autonomous.html

4.

https://stories.prf.org/purdue-autonomous-vehicle/

5.

https://www.smartautoclub.com/en/p/78534/

6.

https://imagry.co/news-events/night-driving-challenges-in-autonomous-driving-addressed-by-imagry/

7.

http://www.mtsilicon.com/en/product

8.

https://www.toyota.com.cn/toyotatimes/tinfo/index.php?t_id=726&lmid=0

9.

https://optics.org/news/15/10/23

10.

https://www.smartautoclub.com/en/p/76626/

在自动驾驶领域，夜间行驶一直是一个巨大的挑战。据统计，77%的行人死亡事故发生在夜间，而现有的自动紧急制动（AEB）系统在夜间的效果远不如白天。近日，美国普渡大学和洛斯阿拉莫斯国家实验室联合开发的热辅助探测和测距（HADAR）系统，为解决这一难题带来了新的希望。

HADAR系统是普渡大学和洛斯阿拉莫斯国家实验室的最新研究成果。该系统通过训练人工智能来分析热成像中的温度、能量特征和物理纹理，生成的图像质量几乎可以媲美传统相机在日光条件下的拍摄效果。

与传统的热成像技术相比，HADAR系统具有以下显著优势：

• 高清晰度：通过AI算法优化，图像细节更加丰富，能够清晰识别行人、车辆等障碍物。
• 全天候适用：不仅在夜间，在雾、雨等恶劣天气条件下也能保持良好的识别效果。
• 实时性：能够快速处理数据，为自动驾驶系统提供及时的环境信息。

目前，大多数自动驾驶车辆依赖于视觉摄像头和激光雷达（LiDAR）进行环境感知。然而，这些技术在夜间和恶劣天气条件下的表现并不理想：

• 视觉摄像头：在低光条件下，视觉摄像头的成像质量大幅下降，难以准确识别障碍物。
• 激光雷达：虽然LiDAR在夜间的表现优于视觉摄像头，但其成本较高，且在恶劣天气下的性能也会受到影响。

美国交通部的一项研究显示，现有的AEB系统在白天可以将行人事故风险降低32%-33%，但在夜间却无法发挥作用。这一局限性严重制约了自动驾驶技术的普及和安全性。

尽管HADAR系统展现出巨大的潜力，但要实现大规模商业化仍面临一些挑战：

1. 成本问题：目前，高性能的热成像设备成本相对较高，如何在保持性能的同时降低成本是关键。
2. 数据采集与训练：AI系统需要大量的训练数据，特别是在不同环境和天气条件下的热成像数据。
3. 系统集成：如何将HADAR系统与现有的自动驾驶感知系统无缝集成，是一个技术难题。

随着技术的不断进步和成本的降低，AI增强夜视技术有望成为自动驾驶车辆的标配。这不仅将大幅提升夜间行驶的安全性，还将推动自动驾驶技术向更高级别发展。

正如普渡大学机械工程教授Greg Shaver所说：“虽然全自动驾驶汽车还需要时间，但像HADAR这样的技术创新正在逐步提升驾驶安全性，为实现真正的无人驾驶铺平道路。”

随着越来越多的研究机构和企业投入到这一领域的研发中，我们有理由相信，不久的将来，自动驾驶车辆将能够在任何时间、任何天气条件下安全行驶。