Tecnología e innovación

Profundidad de detección de imágenes de sistema puede mirar a través de la niebla

investigadores del MIT han desarrollado un sistema que puede producir imágenes de objetos envueltos por la niebla tan espesa que la visión humana no puede penetrar en ella. También puede medir los objetos a distancia.

Una incapacidad para manejar la niebla de las condiciones de conducción ha sido uno de los principales obstáculos para el desarrollo de la autónoma de vehículos sistemas de navegación que utilizan la luz visible, que son preferibles a los de radar basado en sistemas de alta resolución y la capacidad de leer las señales de la carretera y la pista de marcadores. Así, el MIT sistema podría ser un paso crucial hacia la auto-conducción de coches.

Los investigadores han probado el sistema con un pequeño tanque de agua con el motor vibrador de un humidificador inmersos en ella. En la niebla tan densa que la visión humana puede penetrar en sólo 36 centímetros, el sistema fue capaz de resolver las imágenes de los objetos y medir su profundidad, a una distancia de 57 centímetros.

Cincuenta y siete centímetros, no es una gran distancia, pero la niebla producida por el estudio es mucho más denso que cualquier de que un conductor podría tener que lidiar con el, en el mundo real, una típica niebla podría permitirse una visibilidad de unos 30 a 50 metros. El punto vital es que el sistema se ha comportado mejor que la visión humana, mientras que la mayoría de los sistemas de imágenes de realizar mucho peor. Un sistema de navegación que incluso fue tan buena como la de un humano conductor a conducir en la niebla sería un gran avance.

“he decidido asumir el reto de desarrollar un sistema que puede ver a través de la niebla,” dice Guy Butacas, un estudiante graduado en el MIT Media Lab, quien lideró la investigación. “Estamos tratando con realista de la niebla, que es denso, dinámico y heterogéneo. Está en constante movimiento y cambio, con los parches de más densa o menos densa niebla. Otros métodos no están diseñados para hacer frente a tales situaciones reales.”

las Butacas y sus colegas describen el sistema en un papel van a presentar en la Conferencia Internacional sobre la Fotografía Computacional en Mayo. Las butacas es el primer autor en el papel, y él está acompañado por su asesor de tesis, profesor asociado de medios de las artes y las ciencias Ramesh Raskar, y por Matthew Tancik, que era un estudiante de posgrado en ingeniería eléctrica y ciencias de la computación cuando el trabajo ya estaba hecho.

Jugar a las probabilidades

Como many de la proyectosemprendido en Raskar de la Cámara de Cultura del Grupo, el nuevo sistema utiliza un tiempo de vuelo de la cámara, que dispara ráfagas de pulsos ultracortos de luz láser en una escena y mide el tiempo que toma sus reflexiones a volver.

En un día claro, la luz del tiempo de retorno fielmente indica las distancias de los objetos que se refleja. Pero la niebla hace que la luz “dispersión” o rebote en forma aleatoria. En la niebla, la mayoría de la luz que llega al sensor de la cámara se han visto reflejados por las gotas de agua, no por el tipo de objetos que los vehículos autónomos necesidad de evitar. Y aun la luz que se refleja a partir de los obstáculos que llegarán en diferentes momentos, después de haber sido desviada por las gotas de agua tanto en la salida y el camino de vuelta.

El MIT sistema resuelve este problema mediante el uso de estadísticas. Los patrones producidos por la niebla-el reflejo de la luz varían de acuerdo a la niebla de la densidad: En promedio, la luz penetra menos profundamente en una espesa niebla que lo hace en una ligera niebla. Pero el MIT, los investigadores fueron capaces de demostrar que, no importa de qué espesor de la niebla, en los tiempos de la llegada de la luz reflejada se adhieren a un patrón estadístico se conoce como una distribución gamma.

distribuciones Gamma son un poco más complejos de distribución Gausiana, las distribuciones comunes que producen la conocida curva de la campana: pueden ser asimétrica, y pueden tomar una gran variedad de formas. Pero como la distribución Gausiana, son completamente descrito por dos variables. El MIT sistema de las estimaciones de los valores de esas variables sobre la marcha y utiliza la distribución resultante para el filtro de niebla reflexión de la luz de señal que llega el tiempo de vuelo sensor de la cámara.

de manera Crucial, el sistema calcula una diferente distribución gamma para cada uno de los 1.024 píxeles en el sensor. Por eso es capaz de manejar las variaciones en la densidad de la niebla que había logrado burlar los sistemas anteriores: Se puede tratar con circunstancias en las que cada píxel se ve a un tipo diferente de la niebla.

Firma formas

La cámara cuenta el número de partículas de luz, o fotones, que le llegan cada 56 picosegundos, o billonésimas de segundo. El MIT sistema utiliza los recuentos para producir un histograma — esencialmente un gráfico de barras, con las alturas de las barras que indican el recuento de fotones para cada intervalo. A continuación, se encuentra la distribución gamma que mejor se adapte a la forma de la gráfica de barra y simplemente resta de los asociados recuento de fotones de la medida totales. Lo que quedan son leves picos en las distancias que se correlacionan con los obstáculos físicos.

“Lo bueno de esto es que es bastante simple,” las Butacas, dice. “Si nos fijamos en el cálculo y el método, es sorprendentemente no complejo. También no se necesita ningún conocimiento previo acerca de la niebla y su densidad, que ayuda a trabajar en una amplia gama de condiciones de niebla.”

las Butacas probado el sistema con una cámara de niebla de un metro de largo. En el interior de la cámara, montada espaciados regularmente a los marcadores de distancia, lo que proporciona una medida aproximada de la visibilidad. También hizo una serie de objetos pequeños — una figura de madera, bloques de madera, las siluetas de las letras — que el sistema fue capaz de imagen incluso cuando eran imperceptibles para el ojo desnudo.

Hay diferentes maneras de medir la visibilidad, sin embargo: los Objetos con diferentes colores y texturas son visibles a través de la niebla a diferentes distancias. Así, para evaluar el rendimiento del sistema, utilizó una de las más rigurosas métrica llamada profundidad óptica, que describe la cantidad de luz que penetra a través de la niebla.

la profundidad Óptica es independiente de la distancia, por lo que el rendimiento del sistema en la niebla que tiene una particular óptica de profundidad, a una distancia de 1 metro debe ser un buen predictor de su rendimiento en la niebla que tiene la misma profundidad óptica en un rango de 30 metros. De hecho, el sistema puede incluso mejor tarifa en distancias más largas, como las diferencias entre los fotones de la llegada de los tiempos va a ser mayor, lo que podría hacer para histogramas con más precisión.

“el Mal tiempo es uno de los grandes obstáculos remanentes de la dirección de tecnología de conducción autónoma”, dice Srinivasa Narasimhan, un profesor de ciencias de la computación en la Universidad Carnegie Mellon. “Chico y Ramesh del trabajo innovador que produce la mejor visibilidad de la mejora que he visto en el visible o en el infrarrojo cercano de longitudes de onda y tiene el potencial de ser aplicado en los coches muy pronto.”

This content was originally published here.