近日，美国普林斯顿大学研发团队公布了一项自动识别系统，该系统可以帮助汽车探测到拐角盲区处的行人和物体。

这项自动识别技术利用多普勒雷达作为探测手段，向车辆驾驶员提供盲区内行人、自行车或者其他车辆的移动信息，并且该项技术可以轻松的整合进现在车辆中。

普林斯顿大学研发人员在2020年6月16日发表的论文中，详细地描述了该系统如何区分包括汽车，自行车和行人在内的物体，并计算出行驶方向和行驶速度。

目前，汽车工程师为车辆装上了包括激光雷达、可见光或近红外摄像头等各种传感器，减少车辆内部驾驶员的盲区，以避免碰撞事故的发生。然而，这些传感器却很难发现汽车视野外的人员与物体，比如拐角处的行人。

一、普林斯顿大学发布自动识别系统 帮助解决车辆盲区问题

近日，普林斯顿大学发布了一项车载自动识别系统，可帮助解决车辆的拐角盲区问题。

此项自动识别系统使用多普勒雷达作为探测手段，该型雷达常被用在车速探测器上和飞行速度很快的球类比赛中。该识别系统中的雷达发射雷达波，雷达波以一定的角度射向建筑物和汽车等表面，之后就像台球撞击球桌一样进行反弹。

反弹后的雷达波继续探测盲区拐角处的人员和物体，当遇到物体后，一些雷达波会反射回装在车辆上的接收装置上。自动识别系统根据接收到的信号，进行运算、分析和处理，从而判断车辆盲区拐角处的人员或者物体是静止的还是运动的。

这只是最基本的方面，自动识别系统还可对汽车、自行车乃至行人在内的物体的运动方向和速度进行测算。

普林斯顿大学计算机科学的助教Felix Heide表示，自动识别系统将使汽车能够探测到现在激光雷达和摄像头等传感器无法探测的被遮挡住的物体，例如，拐角叉路口的行人、车辆。多普勒雷达的成本比激光雷达和红外摄像头等传感器的成本较低，耗能也更小，便于大规模的生产和应用。

另外，普林斯顿研发团队称，该系统可轻松整合进车辆中。

二、自动识别系统利用AI技术分辨骑自行车的人和普通行人

Heide助教还表示，在早期开发自动识别系统时，也走过弯路，并且遇到反射回的雷达波杂乱的问题。

在前期的系统开发过程中，普林斯顿的研发团队使用光传感器来探测隐藏在拐角处的物体。但这一想法目前不适用现在汽车，光传感器耗能巨大，并且探测距离很近。

之后，该研发团队就产生了能否研发一个系统，使用多普勒雷达而不是可见光传感器来探测汽车视线之外的物体。

多普勒雷达的优势是，在光滑物体表面，雷达波损耗低，并且能有效地跟踪运动物体；难题在于，雷达的分辨率（用于探测汽车和自行车等拐角处的物体）相对较低，返回的雷达波有杂波。

为应对多普勒雷达的杂波的问题，研发团队处理了部分雷达信号，该团队应用了人工智能技术来完善处理过程并读取图像。

另一位研发团队成员说，运行该系统的计算机必须从非常微弱的信号中识别出骑自行车的人和普通行人。自别识别系统实用的第一步就是要探测出是否有物体，然后需要判定这个物体是否重要，是否会造成危险，比如是骑自行车的人还是普通行人。

之所以要区分骑自行车的人与行人，是因为研究人员认为这些物体体积较小，形状和动作不一，是最有挑战性的识别对象。

最后Heide助教说：“我们开发的算法非常高效，并且适合当前的汽车硬件系统，或许在下一代汽车中就能看到这项技术。”

结语：自动识别系统将助力自动驾驶的发展

汽车领域，电动化、自动化大潮趋势越发明显，受限于探测手段、探测盲区和生产成本等问题，自动驾驶一直不能放开脚步去发展。

普林斯顿大学的研发团队开发的自动识别技术，利用多普勒脉冲雷达作为探测手段，不仅解决了光传感器的探测盲区、范围和功耗的问题，而且将降低车企的生产成本。

自动识别系统未来大规模的应用与完善将助力汽车自动驾驶的快速发展，让出行更智能、更安全。