智慧城市相關技術對于城市的可持續(xù)發(fā)展至關重要，其通過先進的傳感器網(wǎng)絡和數(shù)字通信系統(tǒng)來管理不斷膨脹的城市人口。其中，智慧監(jiān)控是其關鍵服務之一，可同時監(jiān)控城市的室內(nèi)和室外環(huán)境。例如，它可以在交叉路口預測并提醒自動駕駛車輛可能發(fā)生的事故，進而提高道路安全性；在室內(nèi)，它可以在緊急情況下自動通知相關單位，為弱勢人群提供支持。
攝像頭和激光雷達（LiDAR）傳感器常用于智慧監(jiān)控。激光雷達傳感器可提供無色彩的三維（3D）視覺信息。由于激光雷達依賴主動發(fā)射激光的反射信息，因此在物體后方存在盲點，難以探測所有需要監(jiān)控的區(qū)域。要解決這個問題，可以在不同的位置安裝多個激光雷達傳感器以組成3D傳感器網(wǎng)絡，增加每幀可獲取的點云數(shù)。
然而，這也帶來了另一個問題，激光雷達傳感器網(wǎng)絡的帶寬有限，無法支持實時傳輸所有增加的點云數(shù)據(jù)。以往的研究提出了一種數(shù)據(jù)選擇方法，只將3D空間中重要區(qū)域的數(shù)據(jù)傳輸?shù)椒掌鳌Ｈ欢@些研究并未詳細說明如何在點云中準確定義并評估所謂的重要區(qū)域。
為了彌補這一空白，芝浦工業(yè)大學電氣工程和計算機科學研究生院的研究小組開發(fā)了一種新方法，用于準確評估3D傳感器網(wǎng)絡中的重要區(qū)域。
“在這項研究中，我們基于多種空間指標構建的空間特征來評估重要區(qū)域。重要區(qū)域取決于任務。例如，在檢測事故易發(fā)點時，重要區(qū)域是人和車輛等移動物體可能存在的空間。我們的方法能準確識別這些區(qū)域。”研究人員解釋說。
該研究小組成員包括芝浦工業(yè)大學的Ryoichi Shinkuma教授、NEC公司安全系統(tǒng)平臺研究實驗室的Koichi Nihei和Takanori Iwai。他們已將該研究成果發(fā)表于IEEE Sensor Journal。
研究人員將點云劃分成被稱為“體素”的小區(qū)域，其中，重要區(qū)域被分為動態(tài)體素，代表人員會經(jīng)過的區(qū)域。其他區(qū)域被分為靜態(tài)體素，包括墻壁和房頂?shù)热藛T不會通過的區(qū)域。
為了準確評估這些重要區(qū)域，有必要使用多種空間度量來創(chuàng)建空間特征（SF）。為此，研究人員使用了兩種空間度量來創(chuàng)建空間特征，包括時間度量和統(tǒng)計度量。時間度量基于激光雷達傳感器獲取的點云數(shù)隨時間的長期變化，而統(tǒng)計度量則表示每幀點云數(shù)的差異。
研究小組通過實驗進一步評估了使用這些指標評估重要區(qū)域的準確性。他們試驗了多個激光雷達傳感器在室內(nèi)運動場景中獲取的點云數(shù)據(jù)，發(fā)現(xiàn)與單獨使用其中一個指標相比，使用兩個指標識別動態(tài)體素的準確率可提高10%。
此外，他們還利用機器學習來確定閾值的最佳組合，這些閾值用于利用上述兩個指標對動態(tài)體素進行分類。結(jié)果顯示，使用這些閾值獲得的準確度與實驗中使用的最優(yōu)值相當。他們還確定，將體素的大小從1米增加到1.25米會降低準確度。
研究結(jié)果凸顯了使用多種指標準確評估重要區(qū)域的實用性。這項研究有望顯著提高自動駕駛系統(tǒng)的安全性和效率。對于送貨機器人來說，識別碰撞或擁堵風險高的地點，有助于規(guī)劃高效的送貨路線，減少時間和成本。這也有助于解決物流業(yè)勞動力短缺的問題。
總之，這項創(chuàng)新方法有望使智慧城市更加安全、高效。
論文信息：
DOI: 10.1109/JSEN.2023.3247302
