Városi autonóm vezetést segítik a SZTAKI kutatóinak új eredményei

Az okosvárosokban közlekedő autonóm autók érzékelését és tájékozódását segítik elő a Gépi Érzékelés Kutatólaboratóriumban kifejlesztett új, téradatok feldolgozásán alapuló eljárások, amelyeket a távérzékelés és térinformatika egyik vezető folyóirata közölt.

Az önjáró autók működtetésének érzékelési, navigációs és irányítástechnikai kulcskérdéseit számos kutatási program célozza meg világszerte. Ugyanakkor a kiszámíthatatlan nagyvárosi utcai forgalomban számos kihívást kell még megoldani: nem elég az előttünk haladó jármű távolságát felmérni, fel kell készülni a szabálytalankodó gyorshajtókra, hirtelen megjelenő gyalogosokra, útlezárásokra és változó forgalmi szituációkra.

A Gépi Érzékelés Kutatólaboratórium munkatársainak cikke új megoldást ismertet a városi forgalomban közlekedő autók szenzoros méréseinek és térinformatikai rendszerek adatainak összekapcsolásával egy kölcsönös előnyöket hozó együttműködés kialakítására, amely valós idejű részletes adatokat szolgáltat a jövő önjáró autóinak, kiterjesztett szolgáltatásokat nyújtva az utasoknak, míg a városfelügyelet birtokában lévő adatbázisok gyors és olcsó karbantartását teszi lehetővé.

A  távérzékelés és térinformatika egyik legmagasabban jegyzett folyóiratában, az International Journal of Applied Earth Observation and Geoinformation-ban közölt cikk újszerű módszert mutat be a járművek különböző kamera és Lidar szenzorainak és rendelkezésre álló nagyfelbontású háromdimenziós térképek fuzionálására: az eljárás egy közelítő, például fedélzeti GPS/IMU szenzorok becslésén alapuló pozíció és orientáció információ ismeretében, a járművekre szerelt Lidar szenzorok alacsony felbontású méréseit hatékony algoritmussal képes centiméteres pontosságon belül hozzáilleszteni a környezetről előzetesen készített nagyfelbontású háromdimenziós térképhez. Az összerendelés eredményeként közvetlenül megkapjuk a jármű pontos helyzetét, ezen felül a háttérmodell kivonásával pontosíthatjuk a kizárólag fedélzeti méréseken alapuló környezeti információt.

A szerzők, Zováthi Örkény, Nagy Balázs és Benedek Csaba további kutatásaik során megmutatták, hogy a szakirodalom legjobb hatékonyságú gépi tanulás alapú objektumfelismerő megoldásainak megbízhatósága is jelentősen javítható a javasolt térkép alapú eljárással, valamint a megoldás alkalmas a 3D térkép automatikus frissítésére is. A munkát a többek között a Kooperatív Doktori Program és az Autonóm Rendszerek Nemzeti Laboratórium támogatta.

Referencia:

Ö. Zováthi, B. Nagy and Cs. Benedek: ”Point Cloud Registration and Change Detection in Urban Environment Using an Onboard Lidar Sensor and MLS Reference Data,” International Journal of Applied Earth Observation and Geoinformation, Elsevier, vol. 110, pages 102767, 2022, IF: 5.933, JCR: Q1, Scimago: D1, Google Scholar: 6th in Remote Sensing