Kinect-sensor kan hitta ett hem i självkörande bilar

Självkörande bilar är framtidens våg, men för närvarande är robotfordonen för dyra och inte tillräckligt pålitliga för att ersätta mänskliga förare. Detta beror främst på att de dyra LIDAR-sensorerna, som är både dyra och opålitliga, lätt påverkas av starkt solljus och reflekterande ytor.

Nu har forskare vid University of La Laguna upptäckt att en billig Kinect-sensor kan vara lika exakt som LIDAR för objekt nära marken och mer effektiv än stereoskopiska kameror.

Med hjälp av en självkörande golfbil testade forskarna Kinect-djupkameran mot en laseravståndsmätare och stereokameror. Genom att köra fordonet på en testväg som innehöll trappor, ramper och trottoarkanter upptäckte de att Kinect-sensorn överträffade de andra två enheterna när det gällde att upptäcka och korrekt urskilja närliggande objekt nära marken. När laseravståndsmätaren till exempel konfronterades med en ramp fastställde den felaktigt att den var för brant för att köra upp. Laserenheten kunde inte heller upptäcka lägre trappor, medan stereokameran hade problem med att identifiera mycket nära (och mycket långt borta) föremål och gav frekventa falska upptäckter.

Kinect-sensorn identifierade korrekt rampen som navigerbar och överträffade konsekvent stereokamerorna när det gällde att upptäcka hinder nära marken. Ledande forskare Javier Hernandez-Aceituno berömde Kinect-sensorns överlägsna förmåga att upptäcka hinder på nära håll, och berättade för reportrar att Kinect-sensorn tillåter ett autonomt fordon att navigera säkert i områden där de andra systemen misslyckas.

Deras pappers abstrakta anteckningar:

En korrekt metod för att upptäcka hinder och farliga områden är nyckeln till säker prestanda hos autonoma robotar. Time of flight-sensorer kan rapportera sin existens genom emission, reflektion och mätning av vågmönster, men ljusprojektion med stor våglängd är ofta opålitlig i utomhusmiljöer på grund av förorening av solstrålning. I detta dokument föreslås ett specifikt Microsoft Kinect-arrangemang på ett robotfordon, så att utomhusdetektering är möjlig. Det huvudsakliga bidraget från detta dokument är beskrivningen av en sekvens av filtreringstekniker, som översätter djupbilden från sensorn till bestämda hinderprojektioner i navigeringskartan som används av fordonet. En serie experiment visar att Kinect-enheten är mer exakt på att upptäcka hinder med denna procedur än ett kamerapar som använder två olika stereovisionstekniker.

akademiker kan läsa den tidningen här.