Het maken van ‘Smart Headlights’ met Machine Learning

Het is een veel voorkomende scène voor iedereen rijden 's nachts op een donkere weg. Zippen rond hoeken en over heuvels, hoge balken van de auto op het gezichtsvermogen te verbeteren, terwijl de hand van de bestuurder blijft klaar om ze uit te schakelen in een oogwenk, opdat zij niet blind tegemoetkomend verkeer en een ongeval veroorzaken. Li Xin gelooft dat er een betere oplossing is, en hij werkt met de grootste koplamp China fabrikant om het waar te maken. “De moderne koplampen hebben niet slechts een of twee lampen, ze kunnen tot een miljoen hebben,"Zei Li, professor van elektrische en computer engineering aan de Duke University en Duke Kunshan University. “Ik ben bezig met partners uit de industrie om een‘slimme koplamp’dat elke pixel afzonderlijk kunnen controleren en automatisch op verschillende gebieden in de voorkant van de auto na het herkennen van de omgeving te creëren.”

Bijvoorbeeld, de koplamp kan de hoeveelheid licht te verminderen wees op een tegemoetkomende auto, terwijl tegelijkertijd de verlichting van een aanstaande verkeersbord toenemende. Of het kan detecteren nabijgelegen voetgangers en waarschuwt de bestuurder door te wijzen op hun lichaam, terwijl het vermijden van stralend licht direct in hun ogen.

Machine learning kunnen ‘slimme koplampen leren’ om het milieu te herkennen en de bestuurder helpen bij het verlichten van de omgeving van voetgangers te vermijden, terwijl ze verblind in het proces.

De uitdaging om het maken van een dergelijke koplamp is niet per se het creëren van de verschillende patronen van licht dat het onderwijzen van de auto hoe de omgeving automatisch herkennen en de patronen op haar eigen. Het is een probleem dat HASCO Vision Technology-de grootste autofabrikant lamp in China-draait om Li om hen te helpen op te lossen met machine learning.

Veel autobedrijven gebruiken camera's en machine learning te helpen de controle van hun eigen versies van zelfrijdende auto's, dus Li is verre van alleen in dit opzicht. Machine learning algoritmes, echter, moeten grote hoeveelheden gegevens om te leren van, en veel van de datasets en algoritmes al gemaakt voor dit doel zijn gericht op het rijden overdag.

“Onze applicatie heeft echter niet de zorg over de dag,"Zei Li, die verdeelt zijn tijd tussen campussen Duke's in North Carolina en Kunshan, China. “Met deze aanpak voor slimme koplampen is eigenlijk moeilijker omdat de lichtomstandigheden zijn veel slechter. Het is een unieke uitdaging die niet goed is onderzocht in het verleden.”

Terwijl zijn partners uit de industrie werken aan meer 's nachts beelden verzamelen en zorgvuldig annoteren belangrijke objecten, zoals borden, voetgangers en andere auto's, Li is het optimaliseren van de machine learning algoritme. Omdat beslissingen moeten worden genomen in real-time, de onderzoekers moeten de juiste hardware te kiezen en het ontwerp van het algoritme om de architectuur passen.

Het helpen van Li met deze taak is DKU onderzoekwetenschapper Xin Feng. Samen, Li en Feng heb al een werkende demo die, terwijl de indrukwekkende, nog moet verbeteren voordat het raakt de wegen.

Een andere optie voor het weergeven van informatie op de rijbaan met ‘slimme koplampen’ herinnert bestuurders van de maximumsnelheid.

“Nauwkeurigheid Detection is erg belangrijk-je kunt niet iets of iemand missen,"Zei Li. “En terwijl dat is een zeer belangrijk en uitdagend probleem, het is slechts één metriek. De andere is real-time respons. Als het algoritme te lang duurt om te reageren, dan is het niet zinvol. Technisch gezien, dat zijn de twee meest uitdagende vraagstukken.”

Maar ze zijn kwesties Li verwacht op te lossen in de nabije toekomst, samen met het toevoegen van een paar toeters en bellen. Een ander aspect van het project maakt gebruik van de koplampen om belangrijke informatie zoals het weer en wegomstandigheden projecteren, verkeersborden, navigatieaanwijzingen, en zelfs rijstroken op de rijbaan binnen de koplamp zelf balken.

Andere ontwikkelingen kunnen onder gebruikmaking van alternatieve sensoren die zelfrijdende auto eventueel zodanig kunnen bezitten radar en lidar. Maar voor nu, het project is het gebruik van alleen naar voren gerichte camera's om de kosten laag te houden, zoals in de komende jaren de consumenten hebben veel meer kans om slimme koplampen op de wegen in grote aantallen dan zelfrijdende voertuigen te zien met toegevoegde detectiemogelijkheden.

“Ik denk dat we een eerste generatie product op de markt te krijgen in de komende twee jaar,"Zei Li. “Als we eenmaal die op de weg, kunnen we nog meer feedback en gegevens op te halen aan een verdere verbetering van de nauwkeurigheid en responstijd op toekomstige iteraties nog beter te maken.”

Bron: pratt.duke.edu