САНКТ-ПЕТЕРБУРГ, 26 ноября. /ТАСС/. Ученые Санкт-Петербургского государственного электротехнического университета "ЛЭТИ" разработали алгоритм, улучшающий навигацию беспилотного транспорта в сложных условиях. Он сохраняет высокую точность при плохом освещении и когда часть дороги скрыта от сенсоров транспортом или элементами инфраструктуры, сообщили ТАСС в пресс-службе вуза.
"Наша программа сегментации проезжей части беспилотного транспортного средства представляет собой систему, обрабатывающую мультимодальные данные - показания лидаров, стереокамер и инерциальных сенсоров. Она реализует двухэтапный алгоритм построения семантической карты дорожного пространства в реальном времени", - привели в пресс-службе слова ассистента кафедры систем автоматического управления (САУ) СПбГЭТУ "ЛЭТИ" Екатерины Масленниковой.
Уточняется, что беспилотные транспортные системы становятся все более привычной частью городской среды. Чтобы они могли безопасно ориентироваться, им необходимо точно определять границы проезжей части даже при плохом освещении, дожде или когда часть дороги скрыта другими объектами. Ошибки в сегментации дорожного пространства приводят к сбоям в системах помощи водителю (ADAS) и создают риски для безопасности движения.
По данным пресс-службы, ученые ЛЭТИ нашли способ повысить надежность и точность восприятия дороги с помощью интеллектуальной обработки данных трехмерного сканирования местности. На первом этапе применяется метод, который выделяет поверхность дороги и отделяет ее от окружающих объектов. На втором - программа анализирует данные и объединяет их в зоны, где сенсоры "видят" однородные участки дороги или объектов. Алгоритм сам подстраивается под плотность данных, поэтому работает устойчиво даже в условиях плохой видимости или на больших дистанциях.
Как отметили в вузе, система обучалась на 24 тыс. изображений дорожных сцен и достигла высокой точности распознавания. Для анализа используется информация от двух лидаров, стереокамеры и инерциальных датчиков, которые вместе формируют трехмерное изображение пространства вокруг транспортного средства. Главное отличие разработки от аналогов - интеграция данных различных сенсоров уже на уровне первичной обработки, что снижает накопленную ошибку и повышает отказоустойчивость системы.
В пресс-службе добавили, что система разработана в рамках реализации программы развития университета "Приоритет-2030". Она применима не только в беспилотных автомобилях, но и в роботизированных погрузчиках, сельскохозяйственной технике и интеллектуальной транспортной инфраструктуре. Испытания показали снижение количества ложных срабатываний систем ADAS на 23% и повышение точности определения границ проезжей части на 35%.