谷歌是一家“黑科技”公司,相信没有人会反对。从机器人、人工智能、自动驾驶汽车到智能织物、AR/VR等,可谓是应有尽有。现在,谷歌的微型雷达已经可以判断出物体的类型,甚至是人类的身体部位了。
Project Soli是谷歌去年发布的新型手势控制技术,使用超小型雷达实现亚毫米精度的运动检测,允许用户实现各种手势控制。不过,这不仅仅是它的唯一功能,苏格兰圣安德鲁斯大学的研究人员近日成功使用Project Soli微型雷达,完成了物体识别。
这项被命名为“RadarCat”的装置,运行原理与一般雷达相似,均是通过电磁波反弹来实现。不过,它的独特之处是融入了先进算法,不仅能够检测到外部对象、还可根据内部结构对物体进行识别。
从研究人员发布的视频来看,RadarCat可以准确识别出物体种类,如空气(什么都没有靠近雷达时)、金属、塑料;还可在Photoshop中直接识别并选取颜色色样。
更酷的是,将Project Soli雷达安装在Android手机背面,靠近人体,还能够准确地判断出人体部位,比如小臂、手指等等。当然,这项技术扔在开发中,所以识别率并非100%准确,比如会将MacBook的铝合金外壳识别为铝称,有时也无法识别人体的手背等。
至于Project Soli雷达以及RadarCat的应用前景,还是非常广泛的。它可以被用来帮助视障人群识别物体,或者在商业领域用来精准识别产品型号,当然也能够进行更智能化的手机应用,比如识别出用户佩戴手套、直接开启手机大图标模式。
RadarCat的研究人员表示,他们的下一步计划是进一步提升系统区分同类物体的能力,比如被子里装的是可乐还是啤酒。毫无疑问,谷歌的Project Soli雷达是硬件关键,同时带来了无限的软件应用可能性。
关键字:Project Soli 雷达 RadarCat
引用地址:
谷歌微型雷达能识别物体 甚至包括身体部位
推荐阅读最新更新时间:2024-05-03 20:02
当激光雷达邂逅高尔夫机器人
今天,小岚给大家介绍一款对高尔夫球爱好者来说超级实用的“黑”——高尔夫。
拥有它就相当于拥有一个专属的"球童",它将一直跟随着你为你服务。
这款高尔夫机器人,它能真正做到自主移动、导航避障,还有自动跟随模式,自主跟随用户,成为你的“专属球童”。
这款便携的高尔夫机器人手推车,使用了思岚的激光雷达,可以实现多个功能,让球员解放双手,更好地享受高尔夫运动:
使用激光雷达传感器跟踪球员。
当发现障碍物时,紧急制动停止小车来防止事故发生。
在无法驾驶的区域警告用户的报警系统(掩体、危险等)。
激光雷达可以用来帮助这款高尔夫机器人探测周围物体的形状和周围环
[机器人]
维宁尔与Arbe合作研发4D汽车环绕雷达 2023年中投入试量产
据外媒报道,汽车技术公司维宁尔(Veoneer)宣布与4D成像雷达解决方案公司Arbe Robotics Ltd合作,双方计划合作研发汽车雷达,以提升汽车安全,推出自动驾驶功能。 维宁尔对技术初创公司进行了长达5年的广泛研究,最终选择与Arbe公司合作,因为后者研发了分辨率高达2K且行业领先的环绕雷达,能够提升感知系统、增强传感器融合。 维宁尔与Arbe合作研发汽车雷达(图片来源:Arbe Robotics)
[汽车电子]
多国科学家发现石墨烯可作为基础材料 用于车辆雷达等电子产品
据外媒报道,英国曼彻斯特、荷兰、新加坡、西班牙、瑞士和美国的一组研究人员发表了一篇称作自旋电子学、有关计算机设备研发的评论,其中表示可以将石墨烯作为下一代电子产品的基础材料。 (图片来源:曼彻斯特大学) 最近,石墨烯和相关的2D(二维)材料中电子自旋输运在理论和实验中取得的进展和研究现象已经成为一个令人着迷的研发领域。 自旋电子学结合了纳米级电子学和磁学,可以让电子以超过摩尔定律(Moore’s law)的速度发展。摩尔定律认为,计算机处理能力大约每两年就会翻一番,而且价格会减半。与依赖电荷电流的传统电子设备相比,自旋电子设备具备更高的能源效率以及更低的耗散。原则上看,我们可以让手机和平板电脑采用基于自旋的晶体管和存
[汽车电子]
以色列公司innoviz:2018年前推出100美元激光雷达
近日,以色列的初创公司Innoviz Technologies宣布获得900万美元A轮融资,用来研发能够满足自动驾驶汽车的高性能、低成本固态激光雷达。
因为激光雷达能够不受照明条件和大多数天气影响提供高分辨率和远程的3D数据,所以被大多数开发团队认为是自动驾驶汽车的必要传感器。然而,当前主流的激光雷达系统成本高昂并且复杂,这使得将激光雷达应用于车辆消费市场并不现实。因此当前开发一种廉价和可靠的固态激光雷达非常有意义(但技术上非常具有挑战性)。
Innoviz承诺,在未来一到两年内交付一款应用了突破性技术的高清晰度固体激光雷达(HD-SSl)。与现有激光雷达系统相比,预计将有更广阔的视野,拥有更高的水平和垂直分辨率,并且
[汽车电子]
激光雷达检测车道线的4种方法
自2008年后,学术界已经很少研究基于视觉系统的车道线检测,转而利用激光雷达检测车道线,激光雷达可以解决基于视觉系统的车道线检测有诸多缺陷,包括车道线被水覆盖,激光雷达最大可穿越70米的水深。 基于视觉系统的车道线检测有诸多缺陷。 首先,视觉系统对背景光线很敏感,诸如阳光强烈的林荫道,车道线被光线分割成碎片,致使无法提取出车道线。 其次,视觉系统需要车道线的标识完整,有些年久失修的道路,车道线标记不明显,不完整,有些刚开通几年的道路也是如此。 第三,视觉系统需要车道线的格式统一,这对按照模型库识别车道线的系统尤其重要,有些车道线格式很奇特,比如蓝颜色的车道线,很窄的车道线,模型库必须走遍全国将这些奇特的车道线一一收录,才能保证顺
[汽车电子]
技术日渐成熟,激光雷达厂商押注车规级量产产品
无人驾驶 的研究起步于20世纪70年代,其研发初衷是辅助或替代人类驾驶、构建更为安全的城市交通系统、降低交通事故的发生率,这意味着,安全与稳定将是 无人驾驶 最基本也是最重要的评价指标。 因此 无人驾驶 汽车对外界环境的感知能力受到格外关注。 激光雷达 作为无人驾驶汽车的核心传感器件,其作用等同于视觉之于人体,但区别在于视场角的大小和可分辨的距离及精度等指标。现阶段,无人驾驶场景下所用的多为机械式 激光雷达 ,但是由于该技术方案本身具有的一些特性,使得机械式 激光雷达 的应用已趋瓶颈,大范围应用至无人驾驶汽车领域已不太现实。 MEMS被看好,车规级激光雷达技术方案日渐明朗 机械旋转式激光雷达通过36
[汽车电子]
基于毫米波雷达和机器视觉的夜间前方车辆检测
为研究夜间追尾事故中本车智能防撞预警方法,本文提出了一种基于毫米波雷达和机器视觉的前方车辆检测方法。利用多传感器融合数据,检测前方车辆的距离、速度等。建立传感器之间转换关系,转换雷达目标的世界坐标到图像坐标。 在图像上形成感兴趣区域,利用图像处理方法减少干扰点,运用 Dempster-Shafer(D-S)证据理论,融合特征信息,得到总的信任度值检验感兴趣区域内的车辆。实验采集多段夜间道路行车视频数据,统计实现尾灯识别的帧数,与主观判断进行比较。结果表明:该方法能够实现对夜间前方车辆的检测和定位。 本文来自 2016 年 6 月 15 日出版的《 汽车安全与节能学报 》,作者是吉林大学交通学院的金立生教授和程蕾以及清华大学
[嵌入式]
如果马斯克来做激光雷达,可能就是这种思路
关于激光雷达,业界最激烈的反对意见来自马斯克。早在5年前,马斯克就发表了他那个著名的观点,「Anyone relying on Lidar is doomed(靠LiDAR搞自动驾驶早晚完蛋)。」 5年之后,激光雷达在中国市场率先爆发,2023年中国市场的车载前装ADAS激光雷达出货量达到约80万台。 不过相比于激光雷达快速增长的应用规模,以及它本身不算便宜的成本,激光雷达的作用还没有完全被发挥出来。 一位大疆车载工程师评价,「市面上有不少智驾方案是带激光雷达的。一颗激光雷达至少3千块钱成本,两颗算6千,它有没有发挥出,对应的3千、6千块产品体验的增量。现在大部分其实是并没看出太大的区别。」 这也是大疆车载选择入局
[汽车电子]