Хабр Курсы для всех
РЕКЛАМА
Практикум, Хекслет, SkyPro, авторские курсы — собрали всех и попросили скидки. Осталось выбрать!
Хабр доступен 24/7 благодаря поддержке друзей
Комментарии 20
Я из текста не понял одного: если перед автомобилем возник не человек, а любое другое препятствие, в том числе и движущееся, что тогда? Какая разница для автомобиля между человеком и не человеком? И что значит «чтобы машинное зрение автомобиля не спутало вас с фоном». Сонару автомобиля должно быть всё равно какого цвета препятствие, разве нет?
Сонары слышат ближайшее окружение. Если на высокой скорости пешехода узреет сонар, то максимум, машина успеет немного затормозить.
Речь о распознавании по изображениям с камер, которые видят ситуацию вокруг на десятки метров.
Речь о распознавании по изображениям с камер, которые видят ситуацию вокруг на десятки метров.
Детектор пешеходов чаще всего нужен для пропуска пешехода. То есть в ситуации, кгда человек стоит у края дороги и ждёт, чтобы перейти её.
пешехода удаётся заметить с высокой точностью 73,8%
Пожалуй, я больше не стану переходить дорогу в неположенных местах.
Интересно, а каков процент распознавания у среднестатистического водителя? Интересно сравнить с роботом.
Реальность такова, что на ближнем свете в ночное время суток распознать пешехода без жилета дальше чем за 10-20 метров практически нереально.
Поэтому большинство людей еще живы ибо имеют инстинкт самосохранения и понимают, что не нужно выскакивать в таких условиях перед машиной, ибо от водителя тут практически ничего не зависит и у него практически нет ни каких шансов среагировать в такой ситуации, даже если он полон сил и со 100% зрением.
Не понимаю, почему бы всем борцам за жизни пешеходов не пролоббировать закон, обязывающий устанавливать в серийные авто хотя бы самые элементарные сонары, которые будут давать звуковое предупреждение о такой ситуации. Это ведь элементарные вещи, которые могут спаси много жизней.
Реальность такова, что на ближнем свете в ночное время суток распознать пешехода без жилета дальше чем за 10-20 метров практически нереально.
Поэтому большинство людей еще живы ибо имеют инстинкт самосохранения и понимают, что не нужно выскакивать в таких условиях перед машиной, ибо от водителя тут практически ничего не зависит и у него практически нет ни каких шансов среагировать в такой ситуации, даже если он полон сил и со 100% зрением.
Не понимаю, почему бы всем борцам за жизни пешеходов не пролоббировать закон, обязывающий устанавливать в серийные авто хотя бы самые элементарные сонары, которые будут давать звуковое предупреждение о такой ситуации. Это ведь элементарные вещи, которые могут спаси много жизней.
А лисапедистов распознаёт?
пешехода удаётся заметитьДальше не мог уж читать: рука накрыла лицо.с высокой точностью 73,8% случаев
И почему все пытаются распознавать в видимом спектре?
Почему не сделать комплексную систему, которая ищет не только в видимом, но и в ИК, а также по дальномеру. С видимым диапазоном человек не всегда справляется даже при идеальных условиях, что уже говорить про чёрные куртки ночью и прочие прелести дорожных видео.
Почему не сделать комплексную систему, которая ищет не только в видимом, но и в ИК, а также по дальномеру. С видимым диапазоном человек не всегда справляется даже при идеальных условиях, что уже говорить про чёрные куртки ночью и прочие прелести дорожных видео.
Ну почему же? Например, Родриго Бененсон в паре своих работ использовал стерео-камеру для повышения качества детектирования пешеходов. Также и в Mersedes разрабатывают алгоритмы детектирования пешеходов, исопльзующие depth-информацию. Но там везде есть свои нюансы особенности (начиная от низкой точности стерео-камер и их склонность «умирать» при пересветах и т.п., заканчивая медленной скоростью обработки данных с лидаров).
Дальномер вообще может дать информацию о препятствии, но классифицировать его скорей всего не сильно поможет.
Что касается IR диапазона — то по сути он ведь нам может дать только чуть более качественную картинку, но методы обработки будут аналогичны тем, что используются для обычной RGB-камеры, т.ч. обобщить текущие системы на IR камеры не должно составить большого труда.
Дальномер вообще может дать информацию о препятствии, но классифицировать его скорей всего не сильно поможет.
Что касается IR диапазона — то по сути он ведь нам может дать только чуть более качественную картинку, но методы обработки будут аналогичны тем, что используются для обычной RGB-камеры, т.ч. обобщить текущие системы на IR камеры не должно составить большого труда.
Суть в том, что чем больше источников данных — тем больше вероятность обнаружения препятствия. И, как мне кажется, нет особой разницы между избежать столкновения со стеной или с пешеходом (разве что в последнем случае если водитель выживет, то может ещё и сесть). В тех случаях, когда в видимом спектре не разобрать, приходит на помощь ИК и дальномер. Объединяя вместе разные технологии, мы получаем больше шансов заметить препятствие. А используя данные, которые человек не в состоянии самостоятельно воспринимать (ИК, лидар и т.д.), можно добиться результатов, превосходящих человеческие возможности и при этом повторяемые и стабильные, что и ожидается от роботизированных автомобилей.
1) Чем больше входных данных, тем дольше их придется обрабатывать, а хотелось бы все обрабатывать в режиме реального времени (если пешеходы будут детектироваться 5 минут на каждом кадре со 100% точность, то актуальность этой информации будет нулевой) на железе, которое можно навесить на автомобиль, а не на кластере.
2) Задачи obstacle detection и детектирования конкретно автомобилей/пешеходов — это разные задачи. Т.к. в современных системах уже не достаточно просто понять, что перед нами объект, мы еще хотим знать, что это за объект (простейший случай, мы хотим знать, что препятствие на обочине — это пешеход, а не столб/дерево и надо ли его пропускать, ну или предсказывать траектории движения пешеходов, чтобы своевременно принимать меры для избежания столкновений).
2) Задачи obstacle detection и детектирования конкретно автомобилей/пешеходов — это разные задачи. Т.к. в современных системах уже не достаточно просто понять, что перед нами объект, мы еще хотим знать, что это за объект (простейший случай, мы хотим знать, что препятствие на обочине — это пешеход, а не столб/дерево и надо ли его пропускать, ну или предсказывать траектории движения пешеходов, чтобы своевременно принимать меры для избежания столкновений).
1) Что мешает обрабатывать каждый поток данных отдельно и выдавать только сигнал о детектировании? А для комбинированных методов (например, выделение паттернов на расширенном диапазоне «видимый+ИК») вполне можно получить такую же скорость обработки, как и для одиночных методов.
2) В такой постановке можно к «пешеходам» добавить ещё и лося, падающий столб и многое другое, ибо их траектории тоже неплохо бы предсказывать?
2) В такой постановке можно к «пешеходам» добавить ещё и лося, падающий столб и многое другое, ибо их траектории тоже неплохо бы предсказывать?
1) Что мешает обрабатывать каждый поток данных отдельно и выдавать только сигнал о детектировании?
Не понял идею.
2) В такой постановке можно к «пешеходам» добавить ещё и лося, падающий столб и многое другое, ибо их траектории тоже неплохо бы предсказывать?
Ну можно наверно. Но тут то в статье речь идет именно про детектирование пешеходов)
Не понял идею.
Есть одна коробка, которая обрабатывает видимый спектр и выдаёт «вот там пешеход!», есть вторая коробка, которая обрабатывает данные лидара и выдаёт «вот там движущееся препятствие» — крупномодульный параллелизм. Да, добавится задержка из-за нового уровня абстракции, но всё это можно свести к допустимым результатам и система будет успевать реагировать.
Более того, техника развивается и то, что «вчера» делалось кластером, «завтра» будет делаться простым персональным устройством.
Пришла в голову мысль, что сама технология автоматического управления гугломобилем побочная. Основная функция иметь полную картину происходящего в мире и отслеживать людей…
Пропустит ли гугломобиль манекена на пешеходном переходе?
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Автомобили Google будут распознавать пешеходов с высокой точностью