根据目前的汽车摄像机，人工智能（AI）以及创新的生物风格的摄像机有望加速对行人和障碍的发现。苏黎世大学研究人员的研究。
结合AI和生物风格的摄像机
该小组指出，集成AI和生物启发的摄像机对驾驶员的关键关注：行人突然出现，给避免动作的反应时间很小。
尽管现有的汽车摄像头系统提供了一些安全功能，例如驾驶员警报和紧急制动，但研究人员声称它们的速度和可靠性不足，尤其是对于自动驾驶汽车而言。
因此，苏黎世大学信息学系的Daniel Gehrig和Davide Scaramuzza合作设计了一个新的系统，该系统将独特的生物风格的相机与AI功能相结合。该系统旨在迅速检测到车辆周围的障碍，同时最大程度地减少计算要求。
当前的汽车摄像机通常在基于框架的模型上运行，以固定的间隔捕获快照，每秒30至50帧。尽管可以训练人工神经网络以识别这些图像中的对象，但团队说，框架之间的时间差距可能会缺少关键信息。
Gehrig和Scaramuzza探索了事件摄像机，这是一种智能像素的最新创新，可在检测快速运动以应对这一限制时捕获信息。
利用事件摄像机
率领机器人和感知组的Scaramuzza表示，事件摄像机提供了连续的数据流，而没有传统摄像机中看到的框架之间的盲点，类似于人眼处理视觉信息。
研究人员结合了两种相机类型的优势，开发了一个混合系统，该系统具有标准摄像头，每秒捕获20张图像。这些图像通过AI系统进行了分析，特别是卷积神经网络，该网络训练有素，可以识别行人和汽车。
事件摄像机的数据通过将用于分析动态3D数据的异步图神经网络供电，可以补充这一点。根据Gehrig的说法，这些组件预测并增强了对象检测功能，达到的检测速度可与每秒捕获5,000张图像的摄像机相当，但带宽和计算需求较低。
在针对现有的汽车摄像机和算法的比较测试中，该团队声称新系统表现出显着的改进，实现检测速度的速度更快100倍，同时最大程度地减少了数据传输和计算要求。
据报道，该系统已检测到在框架之间进入相机视野的对象，从而提高了驾驶员和行人的安全性，尤其是在高速场景中。
展望未来
展望未来，团队希望将这种混合动力系统与LiDAR传感器相结合可以进一步增强自动驾驶能力，同时保持安全标准。
Gehrig和Scaramuzza设想这些混合系统是推进自动驾驶技术的关键，从而确保安全没有数据和计算资源负担。
科学家写道：“我们的方法通过发现事件摄像机的潜力来为在边缘场景中的有效和强大的看法铺平了道路。”
研究人员的发现是出版在《大自然》中。
