盖世汽车讯 据外媒报道，苏黎世大学（University of Zurich，UZH）研究人员取得计算机视觉和人工智能（AI）的重要进展，即将AI与新型仿生摄像头相结合，可实现比现有汽车摄像头快100倍的行人和障碍物检测速度，从而可以大大提高汽车系统和自动驾驶汽车的安全性。

图片来源：苏黎世大学

每个驾驶员都害怕以下突发事件，即一个行人突然出现在汽车前面，驾驶员来不及刹车或转向。现在，有些汽车配备了摄像头系统，可以提醒驾驶员或启动紧急刹车。但这些系统还不够快或不够可靠，如果要用于无人驾驶的自动驾驶汽车，它们还需要大幅改进。

使用更少的计算能力实现更快的检测

苏黎世大学信息学系的Daniel Gehrig和Davide Scaramuzza将一种新型仿生摄像头与人工智能相结合，开发出新系统，可以比现有系统更快地检测汽车周围的障碍物，并且使用更少的计算能力。相关研究发表于期刊《Nature》。

目前大多数摄像头都是基于帧的，这意味着它们会定期拍摄快照。目前用于汽车驾驶辅助的摄像头通常每秒捕捉30到50帧，并且可以训练人工神经网络识别图像中的物体——行人、自行车和其他汽车。

“但如果在两次快照之间的20或30毫秒内发生了什么事情，摄像头可能会发现得太晚。解决方案是提高帧速率，但这意味着需要实时处理更多数据，并需要更强的计算能力，”该论文的第一作者Gehrig表示。

将两类摄像头优势与人工智能相结合

事件摄像头是基于不同原理的最新创新。它们没有恒定的帧速率，而是具有智能像素，每次检测到快速运动时都会记录信息。

图片来源：苏黎世大学

“这样，事件摄像头在帧之间没有盲点，因此能够更快地检测障碍物。这种摄像头也被称为神经形态摄像头，因为它们模仿了人眼感知图像的方式，”机器人和感知小组负责人Scaramuzza表示。但这种摄像头也有缺点，即可能会错过缓慢移动的物体，而且图像不容易转换成用于训练人工智能算法的数据。

Gehrig和Scaramuzza设计出混合系统，将两者的优点融为一体：包括一个每秒收集20张图像的标准摄像头，与目前使用的摄像头相比，其帧速率相对较低。它的图像由一种称为卷积神经网络的人工智能系统处理，该系统经过训练可以识别汽车或行人。

事件摄像头的数据与另一种称为异步图神经网络的人工智能系统相结合，且该系统特别适合分析随时间变化的3D数据。事件摄像头的检测结果用于预测标准摄像头的检测结果，并提高其性能。

“最终的结果是，一个视觉探测器可以像每秒拍摄5,000张图像的标准摄像头一样快速地检测物体，但需要的带宽与每秒拍摄50帧的标准摄像头相同，”Gehrig表示。

使用更少的数据，实现100倍更快的检测速度

该团队将新系统与目前汽车市场上最好的摄像头和视觉算法进行测试，结果发现该系统可以实现100倍更快的检测速度，同时减少摄像头和车载计算机之间必须传输的数据量，以及处理图像所需的计算能力，但不会影响准确性。

至关重要的是，该系统可以有效地检测在标准摄像头的两个连续帧之间进入视野的汽车和行人，为驾驶员和交通参与者提供额外的安全保障，尤其是在高速行驶时。

科学家们表示，通过将摄像头与LiDAR传感器（如自动驾驶汽车上使用的传感器）集成，这种方法在未来可能会变得更加强大。“像这样的混合系统对于实现自动驾驶至关重要，既能保证安全，又不会导致数据和计算能力的大幅增长，”Scaramuzza表示。