Slechte weersgegevens kunnen autonome voertuigen helpen om te zien

Sensoren die werken in de regen, sneeuw en mist van Schotland leveren gegevens die autonome voertuigen kunnen helpen om veilig te zien en te werken bij slecht weer.

Het Radiate-project onder leiding van Heriot-Watt University heeft een nieuwe dataset gepubliceerd met drie uur aan radarbeelden en 200.000 getagde wegactoren, waaronder andere voertuigen en voetgangers.

De dataset lost een probleem op waarmee fabrikanten en onderzoekers van autonome voertuigen worden geconfronteerd.

Tot nu toe zijn bijna alle beschikbare, gelabelde gegevens gebaseerd op zonnige, heldere dagen. Dit betekende dat er geen openbare gegevens beschikbaar waren om autonome voertuigen te helpen ontwikkelen die veilig kunnen opereren in ongunstige weersomstandigheden.

Het heeft ook voornamelijk vertrouwd op gegevens die zijn verzameld van optische sensoren, die, net als het menselijk zicht, niet zo goed werken bij slecht weer.

Professor Andrew Wallace en Dr. Sen Wang verzamelen de gegevens sinds 2019, toen ze een busje uitrustten met lichtdetectie en -bereik (LiDAR), radar- en stereocamera’s en geopositioneringsapparatuur.

Ze reden met de auto door Edinburgh en de Schotse Hooglanden om dag en nacht stedelijke en landelijke wegen vast te leggen, doelbewust op jacht naar slecht weer.

Professor Wallace zei: “Datasets zijn essentieel voor het ontwikkelen en benchmarken van waarnemingssystemen voor autonome voertuigen.

“We zijn al vele jaren verwijderd van zelfrijdende auto’s op straat, maar autonome voertuigen worden al gebruikt in gecontroleerde omstandigheden of in pilotgebieden.

“We hebben aangetoond dat radar autonome voertuigen kan helpen bij het navigeren, in kaart brengen en interpreteren van hun omgeving bij slecht weer, wanneer zicht en LiDAR kunnen falen.”

Het team zegt door het labelen van alle objecten die hun systeem op de wegen heeft gespot, ze een nieuwe stap voorwaarts hebben gezet voor onderzoekers en fabrikanten.

Dr. Sen Wang zegt dat ze “meer dan 200.000 wegobjecten in onze dataset hebben gelabeld – fietsen, auto’s, voetgangers, verkeersborden en andere wegactoren.”

“We zouden deze gegevens kunnen gebruiken om autonome voertuigen te helpen de toekomst te voorspellen en veilig te navigeren.”

“Als een auto voor je stopt, probeer je te voorspellen wat hij zal doen – zal hij uitwijken, zal hij opstijgen? Dat is wat autonome voertuigen zullen moeten doen, en nu hebben we een database die ze daarop kan zetten pad, zelfs bij slecht weer.”

Het team is gebaseerd op Heriot-Watt’s Institute of Sensors, Signals and Systems, dat al klassieke en diepgaande leerbenaderingen heeft ontwikkeld voor het interpreteren van sensorische gegevens.

Ze zeggen dat hun uiteindelijke doel is om het waarnemingsvermogen te verbeteren.

Wallace zegt dat ze “de resolutie van de radar, die van nature wazig is, moeten verbeteren. Als we optische beelden met hoge resolutie kunnen combineren met het weerdoordringende vermogen van verbeterde radar die ons dichter bij autonome voertuigen brengt die in staat zijn om te zien en in kaart te brengen beter en uiteindelijk veiliger navigeren.”