研究人員使用通常用來追蹤超速駕駛和快速直球的測速雷達，開發了一種自動化系統，可讓汽車在街角轉彎處監視並發現迎面而來的車輛和行人。 

該系統很容易整合到目前的汽車，運用都卜勒雷達（Doppler radar）發射無線電波到建築物或停放汽車表面會反彈的特性。雷達訊號會以一定角度照射到表面，然後會像母球撞擊到撞球台邊那樣地反彈回來。其訊號會持續照射到隱藏在街角轉彎處的物體上。然後反射回來的雷達訊號會被安裝在汽車上的偵測器偵測到，使系統能夠看到轉彎處的物體，並判斷它們是在運動還是靜止狀態。

「這將使得汽車能夠看到當前光達（Lidar）和攝影機感測器所無法記錄到的被遮擋物體，例如，讓自駕車可以清楚看到十字路口的各種危險狀況，」普林斯頓大學電腦科學助理教授暨本專案研究人員之一的 Felix Heide 表示：「而且雷達感測器的成本也相對較低並可量產，特別是與光達感測器相比。」

在 6 月 16 日電腦視覺和模式識別（Conference on Computer Vision and Pattern Recognition，CVPR）大會上發表的一篇論文中，研究人員描述了該系統如何能區分包括汽車、自行車和行人在內的物體，並判斷他們的方向和迎面而來的速度。該論文作者寫道：「我們所提出的方法可以在現實世界自動駕駛場景中，在看到行人和自行車騎士之前，就透過直接正對視線感測器的偵測，來預先發出預防碰撞的警示。」

近年來，工程師們開發了各種感測器系統，讓汽車得以能偵測道路上的其他物體。其中許多依靠採用可見光或近紅外光的光達或攝影機，這類防碰撞感測器在如今汽車上很常見。但光學感測很難用來發現汽車視線之外的物體。在早期的研究中，Heide 團隊使用光照來看到隱藏在街角轉彎處的物體。但這些努力目前還無法實用在車用場景中，因為它們需要高功率的雷射，並且僅限短距離使用。

在進行早期的研究時，Heide 和他的同事們想知道是否有可能創建一個能使用成像雷射而不是可見光的系統來偵測汽車視線之外的危險。對於雷達系統來說，光滑表面的訊號損耗會低得多，而且雷達是一種經過驗證的有效追蹤物體技術。雷達的空間解析度（用於捕捉汽車和自行車等街角轉彎處物體的影像）相對較低成為挑戰。然而，研究人員認為，他們可以建立演算法來解譯雷達數據，以使感測器發揮作用。「我們開發的演算法效率極高，適合當代汽車硬體系統，」Heide 表示：「因此，你可能會在下一代汽車中看到這項技術。」

AI 加持普通雷達感測器就能改善汽車安全

為了讓系統能夠分辨物體，Heide 團隊處理了部分雷達信號，亦即考慮的是背景噪音而非可用資訊的標準雷達。該團隊運用了 AI 人工智慧技術來改善處理程序並讀取影像。電腦科學研究生暨論文第一作者之一的 Fangyin Wei 表示，運行該系統的電腦必須學會從非常少量的資料中辨識出自行車騎士和行人。

「首先我們必須檢測是否有什麼東西存在。如果有的話，它是否重要？會是自行車騎士還是行人？」她表示：「那麼我們必須將其定位出來。」Wei 指出，該系統目前能夠偵測行人和自行車騎士，因為工程師們認為這些物體體積小且形狀和動作方式多樣，是最具挑戰性的物體。她表示，該系統也可經調校以偵測車輛。

Heide 表示，研究人員計劃在涉及雷達和訊號處理改進等多個應用方向上進行研究。他說，該系統具備從根本上改善汽車安全性的潛力，而且它依賴現有雷達感測器技術就可辦到，因此，下一代汽車會準備部署雷達系統應該是可能的。 「這肯定會經歷非常嚴格的汽車開發週期，」他表示：「就整合與推向市場而言，這需要大量的工程設計。不論如何，該技術已經就緒，所以很快就可能在汽車中看到它無所不在的身影。」

（首圖來源：普林斯頓大學）