【為什麼我們要挑選這篇文章】自動駕駛技術已經成為科技領域的一項顯學，而如何提升自動駕駛上路後的安全性，也正是許多研究人員們在著手解決的問題。
現在，研究人員已經透過 AI 技術發展出「感應到影子就停車」的程度，而未來還有哪些地方需要優化，也是值得我們持續探索的問題。（責任編輯：陳美羽）
觀察光影變換，就能知曉有「敵人」在逼近 —— 這聽起來是不是很像武俠小說呢？
其實沒有那麼玄，MIT（麻省理工學院）的工程師告訴你，他的 AI 系統就能做到！
為了改善自動駕駛系統的安全性，MIT 的幾位工程師近日開發了一個新的系統。它可以識別地面上的影子，進而判斷拐角處是否有物體正在靠近車輛。
未來，自動駕駛車輛可以使用這個系統即時避免可能發生的車禍，比如從建築物拐角出現的車輛和行人。不久的將來，醫院大廳裡用來傳遞藥品或是提供補給的機器人也可以使用這個系統來避免撞到人。
煞車時間比傳統雷達系統快了 1 秒
在一篇即將於下週 IROS 國際會議展示的論文裡，研究人員為我們展示了這項成果。研究人員設計了兩個場景，在停車場拐角處的自動駕駛車輛和大廳裡導航的自動輪椅，當感應到有車輛靠近時，這款基於車輛系統的制動時間（編按：行駛中的汽車從開始刹車到汽車完全停下來所用的時間。）比傳統的光學雷達系統（編按：傳統的光學雷達系統只能探測到可見物體的鐳射雷達。）快了 0.5～1 秒。
研究人員表示，0.5～1 秒看上去很短，但是對於一個快速移動的自動駕駛車輛而言，這不到一秒的提升卻很重要。
「在某些場景下，比如機器人在有移動物體和人群的環境中移動，我們的方法可以預先警告機器人，提示有物體正在向角落移動，車輛會根據提示降低速度、調整路線、提前做好準備以避免碰撞。」論文作者、電腦科學和人工智慧實驗室（CSAIL）負責人補充道。
「我們的理想是為街上正在快速移動的車輛提供類似『X 光』的視角輔助。」但是，目前這個系統只接受了室內環境的檢驗。室內的機器移動速度很慢而且光照條件波動很小，這使得該系統很容易探測並分析影子。
破解研發關鍵技術：影子攝影機 ShadowCam
研究人員基於「ShadowCam」（影子攝影機）系統開發了利用電腦視覺技術檢測，並分類地面影子圖像的系統。MIT 的 William Freeman 教授和 Antonio Torralba 教授參與了該系統的前期工作（並未在 IROS 論文署名），並在 2017 年和 2018 年的會議上展示了研究結果。
ShadowCam 使用了一連串鏡頭對準固定區域（比如拐角前的地面區域）進行拍攝，作為系統的輸入數據。系統通過分析一張張圖片來記錄光照強度隨著時間的變化，以此推斷是否有物體正在遠離或靠近。
有些變化肉眼看不見或者很難分辨，因而需要通過物體和環境的多種性質才能做判斷。而 ShadowCam 通過分析收集到資訊，將每張圖片分類為靜止物體或是移動物體。如果系統檢測到移動物體，那麼系統會自動做出調整。
將 ShadowCam 應用於自動駕駛車輛還需要一些改進。例如，早期版本需要對場地添加增強的標籤（AprilTags，類似簡化的 QR Code），機器人通過掃描 AprilTags 來確定自己的空間位置以及行進方向。ShadowCam 利用這些標記代表環境的特點，並重點關注那些可能有影子的像素區域上。但是在實際環境中，使用 AprilTags 是不現實的。
科學家如何克服 ShadowCam 的技術盲點？
於是，研究人員發明了一個新的處理方法，它結合了圖像配準和一種新的視覺里程計算技術。在電腦視覺裡，圖像配準將多個圖片重疊起來以發現圖片間的變化。例如，醫學圖像配準將多個醫學掃描圖像重疊進行比較，用於分析病體在解剖學上的差異。
視覺里程計（已用於火星探測器）可以通過分析一系列圖片中的位置和幾何空間特徵來實時估計鏡頭的運動。研究人員使用了 Direct Sparse Odometry（DSO）技術，它可以計算環境中的特徵位點，達到與 AprilTags 標記法類似的效果。
重要的是，DSO 技術可以繪製環境特徵位點的 3D 雲圖，並利用電腦視覺工程挑選出你關注的某個區域內的環境特徵位點，比如靠近拐角的地面（此前，關注的區域需要事先手動標記）。
ShadowCam 收集了一系列關注區域的圖片，因此它需要使用 DSO 圖像配準方法將來自同一機器視角的圖片疊加分析。儘管機器人在移動，它仍舊可以關注到影子所在的某一小塊像素區域，以發現圖片間存在的微小差異。
另一個技術是信號放大，該技術在第一篇論文中介紹過。包含影子的像素點會提高顏色的亮度以此降低訊號雜訊比。這項技術可以放大影子變化產生的微弱信號，使其能被檢測到。如果被增強的信號達到一定的閾值（這部分取決於該像素區域與相鄰區域的差異有多大），那麼 ShadowCam 會把圖片分類為「運動」。根據訊號的強弱，系統會告知汽車或者機器人是減速或是停止。
「檢測到這個信號後，你就得小心了，這意味著可能有人正從拐角或是停止的車輛間跑出來，從而讓自動駕駛車輛減速或是完全停止。」Naser 說。
完善自駕車 AI 系統的兩項測試
在一項測試中，研究人員分別使用 AprilTags 標記法和基於 DSO 的方法評估了系統在分類移動物體和靜止物體的表現。當人們經過拐角進入輪椅的既定路線時，自動駕駛的輪椅會朝著大廳拐角的方向走去。兩種方法都取得了 70% 的準確率，這表明以後可以不再需要 AprilTags 標記法。
在另一項測試中，研究人員將 ShadowCam 安裝到一輛停在地下車庫的自動駕駛汽車中，並且關掉了車燈，用來模擬夜間的車輛行駛環境。他們對比了該系統和光學雷達在檢測車輛上的表現。實驗顯示，ShadowCam 檢測柱後車輛所用的時間比光學雷達快了 0.72 秒。更重要的是，研究人員將 ShadowCam 調試到適用於車庫光線狀態的模式，系統的分類準確率達到了約 86%。
接下來，研究人員將繼續完善該系統，使其能在不同的室內室外光照條件下工作。未來也會出現各種通過影子檢測速度的辦法，實現目標區域內的檢測影子的自動化。
（本文經合作夥伴 大數據文摘 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈影子追踪！MIT让自动驾驶练出“透视眼”，看影子就知道有无物体靠近 〉。首圖來源：Pixabay, CC Licensed）
延伸閱讀
13 歲國中生改良馬斯克的超級高鐵：讓火車增速兩倍，安全性卻大幅提升！
【工程師真偉大】日本正在研發辨識大便的 AI 馬桶，負責蒐集大便的數據分析師表示……
特斯拉自動駕駛程式碼被偷走！被指控的前員工現在是小鵬汽車感知部門負責人
