Herstellung von ‚Smart Scheinwerfer‘ mit Machine Learning

Es ist eine gemeinsame Szene für jemand in der Nacht auf einer dunklen Straße fahren. Zipping um Ecken und über Hügel, das Fernlicht des Autos sind auf die Sicht zu verbessern, während die Hand des Fahrers bleibt balanciert sie bei der Nachricht eines Momentes deaktivieren, damit sie nicht blenden den Gegenverkehr und einen Unfall verursachen. Xin Li glaubt, dass es eine bessere Lösung gibt, und er arbeitet mit Chinas größten Scheinwerfer Herstellern macht es eine Realität. „Moderne Scheinwerfer haben nicht nur ein oder zwei Glühbirnen, sie können Millionen bis zu einer haben,„Said Li, Professor für Elektro- und Computertechnik an der Duke University und der Duke Universität Kunshan. „Ich arbeite mit Partnern aus der Industrie einen‚intelligenten Scheinwerfer‘zu schaffen, die jedes Pixel einzeln steuern und automatisch verschiedene Bereiche vor dem Fahrzeug nach Erkennen der Umgebung leuchten.“

Beispielsweise, der Scheinwerfer kann die Lichtmenge, deutete auf ein entgegenkommendes Auto reduzieren, während gleichzeitig die Beleuchtung eines bevorstehenden Verkehrszeichen zu erhöhen. Oder könnte es in der Nähe Fußgänger erkennen und den Fahrer warnen durch ihren Körper hervorhebt, während die Vermeidung Licht fällt direkt in die Augen.

Maschinelles Lernen können ‚intelligente Scheinwerfer lehren’ die Umwelt und helfen, den Fahrer zu erkennen, indem sie in der Nähe Fußgängern Beleuchtung bei gleichzeitiger Vermeidung sie in dem Prozess blendend.

Die Herausforderung, eine solche Scheinwerfer zu machen ist nicht unbedingt die unterschiedlichen Muster zu schaffen licht es das Auto zu lehren, wie automatisch die Umgebung zu erkennen und die Muster auf seiner eigenen machen. Es ist ein Problem, die HASCO Vision Technology-der größte Automobillampenhersteller in China-an Li drehen, um sie mit maschinellem Lernen lösen zu helfen.

Viele Automobilhersteller sind mit Kameras und maschinelles Lernen zu helfen, ihre eigenen Versionen von selbstfahrenden Autos zu steuern, so Li ist bei weitem nicht allein in dieser Hinsicht. Algorithmen für maschinelles Lernen, jedoch, müssen große Datenmengen zu lernen, und viele der Datensätze und Algorithmen für diesen Zweck bereits erstellt haben, auf Tagfahrlicht fokussiert.

„Unsere Anwendung kümmert sich nicht um den Tag, obwohl,„Said Li, wer teilt seine Zeit zwischen Duke Campus in North Carolina und Kunshan, China. „Mit diesem Ansatz für intelligente Scheinwerfer ist eigentlich schwieriger, weil die Lichtverhältnisse viel schlechter sind. Es ist eine einzigartige Herausforderung, die nicht gut in der Vergangenheit studiert hat.“

Während seine Industriepartner arbeiten mehr nächtliches Material zu sammeln und sorgfältig wichtige Objekte wie Zeichen mit Anmerkungen versehen, Fußgänger und andere Fahrzeuge, Li ist die Optimierung des Maschinenlernalgorithmus. Da Entscheidungen müssen in Echtzeit durchgeführt werden,, Die Forscher müssen die richtige Hardware auswählen und den Algorithmus so entwerfen, dass er zu seiner Architektur passt.

Bei dieser Aufgabe unterstützt ihn der DKU-Forscher Xin Feng. Zusammen, Li und Feng haben bereits eine funktionierende Demoversion davon, zwar beeindruckend, muss noch verbessert werden, bevor es auf die Straße kommt.

Eine weitere Möglichkeit, Informationen auf der Fahrbahn mit „intelligenten Scheinwerfern“ anzuzeigen’ erinnert Autofahrer an die Geschwindigkeitsbegrenzung.

„Die Erkennungsgenauigkeit ist sehr wichtig – man kann nichts und niemanden übersehen,„Said Li. „Und obwohl das ein sehr wichtiges und herausforderndes Problem ist, es ist nur eine Metrik. Das andere ist die Reaktion in Echtzeit. Wenn der Algorithmus zu lange braucht, um zu reagieren, dann ist es nicht sinnvoll. Technisch, Das sind die beiden größten Herausforderungen.“

Aber es handelt sich um Probleme, die Li voraussichtlich in naher Zukunft lösen wird, zusammen mit ein paar weiteren Schnickschnack. Ein weiterer Aspekt des Projekts nutzt die Scheinwerfer, um wichtige Informationen wie Wetter- und Straßenverhältnisse zu projizieren, Verkehrsschilder, Navigationsanweisungen, und sogar Fahrspuren auf die Fahrbahn innerhalb der Scheinwerferstrahlen selbst.

Weitere Fortschritte könnten die Nutzung alternativer Sensoren umfassen, über die selbstfahrende Autos möglicherweise verfügen, beispielsweise Radar und Lidar. Aber für den Moment, Das Projekt verwendet ausschließlich nach vorne gerichtete Kameras, um die Kosten niedrig zu halten, wie sie in den nächsten Jahren die Verbraucher sind viel eher intelligenten Scheinwerfer auf den Straßen in großen Stückzahlen als selbstfahrende Fahrzeuge mit zusätzlichen Erkennungsfähigkeiten zu sehen.

„Ich denke, dass wir ein Produkt der ersten Generation auf dem Markt in den nächsten zwei Jahren bekommen,„Said Li. „Sobald wir die auf der Straße, wir können noch mehr Feedback und Daten zu erhalten, um die Genauigkeit weiter und Reaktionszeit zu verbessern, um künftige Wiederholungen noch besser zu machen.“

Quelle: pratt.duke.edu