盖世汽车讯 据外媒报道，密歇根理工大学霍顿校区的研究人员目前正在对全自动驾驶汽车在恶劣天气下的行驶状况进行测试。测试在密歇根州的基威诺（Keweenaw）半岛进行。该半岛每年冬天的平均降雪量超过200英寸，是进行自动驾驶汽车技术极限测试的理想地点。

在最近的SPIE Defense + Commercial Sensing 2021会议上发表的两篇论文中，密歇根理工大学的研究人员推出雪天驾驶场景的解决方案，可帮助芝加哥、底特律、明尼阿波利斯和多伦多等多雪城市实现自动驾驶。

前瞻技术，密歇根理工大学,全自动驾驶汽车，传感器融合

（图片来源：密歇根理工大学）

第一篇论文涉及的是提供多个传感器融合和人工智能改进自动驾驶汽车导航。在自动驾驶汽车中，安装在平衡环的两个摄像头使用立体视觉来扫描和感知深度，以模仿人类视觉，同时使用一个惯性测量单元估算平衡和运动。然而，计算机只能对之前遇到过或被编程识别的场景做出反应。

由于人工大脑还未出现，针对特定任务的人工智能算法必须掌控车辆，这意味着自动驾驶汽车必须依赖多个传感器。鱼眼摄像头视野较大，而其他摄像头视野非常接近人眼；红外线接收热信号；雷达可以穿透雾和雨；用于光检测和测距的LiDAR可在黑暗环境下使用，并发出多束激光束线，形成一个霓虹灯挂毯。

密歇根理工大学计算学院计算助理教授、该研究的主要研究人Nathir Rawashdeh表示：“每个传感器都有局限性，但互相补充。”Nathir Rawashdeh致力于通过使用传感器融合的人工智能过程将传感器数据整合在一起。

Nathir Rawashdeh还表示：“传感器融合使用多个不同模式的传感器来理解场景。当输入含有复杂模式时，我们无法对每个细节进行详尽编程，因此需要人工智能。”在密歇根理工大学，Rawashdeh的电气和计算机工程博士生Nader Abu-Alrub、电气和计算机工程助理教授Jeremy Bos，以及Bos实验室的硕士生和毕业生Akhil Kurup、Derek Chopp和Zach Jeffries也参与了该项目。

第二篇论文涉及的是能够区分动物和雪的自动驾驶汽车系统。多数自主传感器和自动驾驶算法的开发环境都阳光充足且视线清晰。但并不是所有地方都如亚利桑那州或南加州的天气一般，因此在降雪量较大的时候，Bos实验室开始收集密歇根理工大学的自动驾驶汽车（由人类安全驾驶）的当地数据。 Rawashdeh团队，特别是Abu-Alrub，从德国和挪威的积雪道路上收集了1000多帧激光雷达、雷达和图像数据，并开始教授其AI程序认识并穿透雪。

Bos称：“并非所有的雪都是一样的。因此雪的多样性也给传感器检测带来了挑战。Rawashdeh补充说：“对数据进行预处理并确保标记准确对于保障准确性和安全性非常重要。人工智能就像厨师，食材好，才能做出好餐食。如果给到AI学习网络的数据较差，则结果也会非常差劲。”

低质量数据问题和实际污垢一样，都是现实存在的问题。就像道路污垢一样，传感器积雪问题可以解决但很麻烦。即使视野清晰，自动驾驶汽车传感器在检测障碍物方面也仍不总是一致。Bos举了一个很好的例子，传感器在清理本地收集的数据时发现了一只鹿。激光雷达表示斑点不重要（30%的可能性是障碍物），而在摄像头中，它就像一个昏昏欲睡的人掌握着方向盘（有50%的可能性），但红外传感器就会大喊“哇”（90%确定这是一只鹿）。

让传感器及其风险评估相互交流和学习，就像印度三个盲人找到大象的寓言：每个人都触摸大象的不同部位：耳朵、躯干和腿，随后得出不同的结论。通过传感器融合，Rawashdeh和Bos希望自主传感器能够共同找出答案，无论结果是大象、鹿还是雪堆。正如Bos所说：“通过使用传感器融合，我们将得出一个全新估算，而不是严格投票。”