Avbländande teknik, Autoliv

2008-10-14 23:00  

Vi kör på landsvägen utanför Linköping och det är väldigt mörkt. Lite bråttom hem, bilradion på, bra koll i helljuset. Vi får möte, bländar av och hoppsan, var det där en människa på vägen?

Vartefter jag kör börjar jag vänja mig vid den lilla ir-skärmen. Jag använder den mer som en extra backspegel som man tittar i då och då, särskilt i lite kvistiga situationer som möten. Man kan inte köra bara med hjälp av skärmen.

Vägmarkeringar och skyltar syns inte, för de har samma temperatur som marken. Djur och andra varma föremål i närheten av vägen syns däremot, men det är bara människor som utlöser den gula varningssignalen.

Principen bakom Night Vision är enkel. En ir-kamera i fronten och en liten skärm framför föraren. Kameran fångar värmestrålning och ger en svart-vit bild där det svarta är kallt och det vita är varmt. Levande varelser syns tydligt. Dessutom en dator som sköter finliret: skärper bilden, markerar människor och varnar när det är risk att man kör på dem.

- Men att få det till en kommersiellt användbar produkt, som sitter i en bil och fungerar som vi vill, har tagit mycket tid och arbete, säger Bo Wass, som är utvecklingschef för aktiv säkerhet på Autoliv i Linköping.

Autoliv kallar det decenniets mest avancerade teknikprojekt utanför militärsektorn. Mycket av den teknik som används kommer från forskningsfronten inom bildbehandling och reglerteori. Mer än tio manår och ett stort antal miljoner kronor ligger bakom de gulfärgade gubbarna och varningssignalerna på den lilla skärmen framför oss.

Djurvarningar nästa
Medan vi kör tillbaka mot Autolivs labb flimrar en vit prick förbi.

- En mus. Djurvarningar är vårt nästa projekt, säger Karl Munsin.

Vi kör på landsvägen utanför Linköping och det är väldigt mörkt. Lite bråttom hem, bilradion på, bra koll i helljuset. Vi får möte, bländar av och hoppsan, var det där en människa på vägen?

Det finns situationer i en bilförares liv då man skulle ha användning för bättre mörkerseende.

- Prova igen. Och så tittar du lite på skärmen här, säger Karl Munsin och pekar på en 10x20 cm stor skärm som sitter till höger om de vanliga instrumenten. Vi gör om det hela: landsväg, mörker, helljus, möte, blända av. Redan långt före mötet syns en vit figur på skärmen, när vi kommer närmare blir den gulmarkerad och när den vinglar till strax före mötet blinkar en stor gul varningstriangel upp på skärmen.

Som extra backspegel
- Det här har vi jobbat mycket med. Andra sådana här system finns på papperet och i teorin, men vi har gjort en riktig produkt av det som fungerar, säger Fredrik Tjärnström lite stolt. Han är forskare på Autoliv och liksom Karl Munsin med i gruppen som utvecklat mörkerseendet Night Vision.

Vartefter jag kör börjar jag vänja mig vid den lilla ir-skärmen. Jag använder den mer som en extra backspegel som man tittar i då och då, särskilt i lite kvistiga situationer som möten. Man kan inte köra bara med hjälp av skärmen.

"Vi lär datorn se vad som är människor i nattmörkret"

I labbet hos Qingfen Lin och hennes kolleger ligger ir-kameror och skärmar på nästan alla skrivbord och långa lösa nätverkskablar förbinder kameror, datorer och skärmar på ett outgrundligt sätt.

Det som skiljer Autolivs mörkerseende från andra ir-system är att systemet kan skilja ut människor från andra varma föremål på tillräckligt långt avstånd.
- Föraren ska veta att det är en människa ungefär fyra sekunder innan han eller hon når fram till den. Därför måste vi lära systemet att känna igen människor på ganska långa avstånd, säger Qingfen Lin.

Hon leder jobbet med algoritmerna, de matematiska modeller som hjälper systemet att identifiera människor och varna om de rör sig mot farozonen.
- Det här är vad som finns att jobba med, säger hon och visar tolv bilder med figurer som är 12-13 pixlar höga. Ungefär hälften är människor, men med blotta ögat är det omöjligt att se vilka. Men datorn måste klara jobbet.

Hur gör man?
- Vi ger datorn en massa bilder som vi definierar som människor, sedan ger vi den en massa bilder som vi talar om inte är människor. Sedan ger vi den en odefinierad bild och ber om förslag. Och den lär sig.

För att systemet ska fungera i alla miljöer och världsdelar har Autolivs tekniker åkt runt i femton länder under flera år och samlat bildmaterial. Totalt handlar det om mer än 50 miljoner bildprover ur tusentals filmsekvenser som använts för träning.

- Det är hela tiden en avvägning mellan att få med alla "rätta" och utesluta "felaktiga". Om man minskar antal "felaktiga" med en procent, hur många "rätta" tappar man då?, säger Qingfen Lin.

Till slut har man lyckats väldigt bra. Systemet har väldigt sällan fel, säger Qingfen Lin.

Eddie Pröckl

Eddie Pröckl

Kommentarer

Välkommen att säga din mening på Ny Teknik.

Principen för våra regler är enkel: visa respekt för de personer vi skriver om och andra läsare som kommenterar artiklarna. Alla kommentarer modereras efter publiceringen av Ny Teknik eller av oss anlitad personal.

  Kommentarer

Debatt