MIT CSAIL的雷达可隐藏地图，以帮助无人驾驶汽车在雪域中导航

 
恶劣的天气(尤其是雨雪)威胁着自动驾驶汽车的行驶。那是因为降水覆盖了对汽车自我意识至关重要的摄像机，并诱使传感器感知不存在的障碍物。另外，恶劣的天气会掩盖通常用作导航地标的道路标志和结构。
幸运的是，麻省理工学院计算机科学与人工智能实验室和林肯实验室的研究人员正在对此案进行研究。在将于本月晚些时候发表在《 IEEE机器人与自动化快报》上并于5月在国际机器人与自动化大会(ICRA)上发表的一篇论文中，他们描述了一种使用探地雷达(GPR)发送非常快的信号的系统。地下的高频(VHF)电磁脉冲，以测量该区域的管道，根部，岩石，污垢和其他特征的组合。 GPR建立了一个与车载计算机关联的底图，从而为三维GPS标签的地下数据库做出了贡献。
根据论文的主要作者和CSAIL博士学位。学生Teddy Ort，这是自动驾驶系统的开发人员首次使用可穿透地面的雷达，该雷达先前已用于建筑规划，地雷探测和月球探测等领域。他说：“如果您或我用铁锹将铲子挖到地下，我们将看到的只是一堆土。” “但是[定位探地雷达的本地化]可以量化那里的特定元素，并将其与已经创建的地图进行比较，这样就可以准确地知道它在哪里，而无需照相机或激光。”
研究人员发现，在下雪条件下的封闭乡村道路上，与晴朗天气相比，下雪条件下导航系统的平均误差范围约为1英寸。 GPR在多雨的条件下有更多麻烦-降水导致更多的水渗入地下，导致原始读数与当前条件之间存在差异-但平均仅下降了5.5英寸。更令人印象深刻的是，在六个月的测试期间，团队从未需要花时间。
Ort和合著者指出，这种方法无法完全靠自己解决，因为它无法检测到地面上的事物。同样，由于诸如多车道道路和十字路口等地上因素，目前GPR数据集很难组合在一起，并且当前的硬件过于庞大和广泛，无法容纳大多数商用车辆。
但是他们说，GPR可以很容易地扩展到高速公路和其他高速地区，并且它可以在恶劣天气中定位，这意味着它可以与现有的方法相结合，例如照相机和激光雷达。另一个优势?该系统的地下地图随着时间的推移往往比使用视觉或激光雷达创建的地图更好，因为地上地图的特征更有可能发生变化。另外，与许多公司用于汽车的传统2D传感器地图相比，它们占用的空间大约少20%。
麻省理工学院(MIT)衍生出来的WaveSense于2018年8月脱颖而出，已经在致力于将该系统商业化。这是林肯实验室研究人员演示的一种版本，可以在一辆刚被雪覆盖的道路上的车道内引导SUV厘米。该系统最初是为道路标记差或不存在的地区的军用车辆开发的。
资深作者兼麻省理工学院教授Daniela Rus表示：“我们的工作表明，这种方法实际上是帮助自动驾驶汽车驾驭恶劣天气的实际方法，而实际上无需能够使用激光扫描仪或照相机以传统的方式’看’。” 。