AES_1 2022

Gennaio - Febbraio 2022 n Automazione e Strumentazione TRASPORTI applicazioni 68 piezza del segnale riflesso dalla vettura che stiamo raf- figurando scende precipitosamente all’aumentare della distanza; quando si trova a 220 m, il segnale risulta essenzialmente indistinguibile dal rumore, non rag- giunge il valore di soglia previsto e viene perso. Si potrebbe aggirare il problema impostando una soglia di rilevamento molto bassa, in modo da rendere ancora visibile a 220 m di distanza la vettura della figura 4 . Ovviamente, dato il livello SNR (cioè il rapporto segnale- rumore o Signal-to-Noise Ratio), riceveremmo anche moltissimo rumore. Un frame dati 3D completo include un certo numero di lampeggi - alcuni dei quali corrispon- dono ad un oggetto, altri sono solo rumore. Per fare un esempio, la figura 5 mostra tutti i rilevamenti (superiori alla soglia) in un solo slice verticale (cioè, a un angolo verticale fisso) di un frame Lidar. La maggior parte dei rilevamenti è soltanto rumore, ma alcuni corrispondono a un oggetto reale. Come facciamo a distinguerli? Anche se è difficile farlo con un singolo frame dati, diventa più facile dopo averne esaminati in numero maggiore. prendere una decisione, le informazioni che abbiamo a disposizione sono che i fotogrammi arrivano 10 volte al secondo (per un frame rate di 10 fps) e che in quel lasso di tempo una lucciola può muoversi solo in un modo fisicamente ragionevole. Per esempio, una lucciola non può percorrere tutta la lunghezza della scatola nell’arco di tempo di un fotogramma, in quanto dal punto di vista fisico avrebbe una velocità non realistica . Non può nemmeno invertire la direzione in due fotogrammi successivi, in quanto si tratterebbe di un’accelerazione fisicamente irrealizzabile . Ponendo la questione in un altro modo, le informazioni che possiamo utilizzare sono che il percorso seguito dalla lucciola debba essere quello che un oggetto fisico avrebbe, in modo certo, potuto prendere. L’applica- zione di questi limiti definiti dal percorso ci permette di distinguere le tracce consistenti da quelle generate dal rumore. Il linguaggio di verifica dell’ipotesi ci per- mette di determinare e applicare i vincoli in forma matematica , su tracce di qualsiasi lunghezza. Dati i lampeggi ricavati da 2 e 3 frame consecutivi, i vincoli sono semplicemente dei limiti posti a velocità e acce- lerazione del percorso. Per tracce più lunghe, i vincoli non hanno un’interpretazione così banale, ma risul- tano essere abbastanza semplici da applicare. Risultati La figura 6 dimostra l’efficacia della tecnica su due semplici scene (una riga per ogni scena). L’immagine a sinistra (prima colonna) rappresenta la vera mappa del contenuto di un frame, con oggetti come la strada elimi- nati per semplicità. L’immagine al centro illustra cosa potremo ottenere attraverso l’elaborazione convenzio- nale con una soglia ragionevole, e sulla destra, quello che otteniamo dopo l’elaborazione con il processo fire- fly . Quest’ultimo rileva oggetti a una distanza di quasi 300 m. I sistemi Lidar allo stato dell’arte hanno una por- tata di circa 150 m. La tabella mostra i rilevamenti (%) e il numero di falsi positivi (per frame) ottenuti dal processo firefly e da quello tradizionale (MF sta per Matched Filter). La soglia di rilevamento è regolata in modo da avere un livello di affidabilità del 99,9% , basato su statistiche raccolte precedentemente secondo le quali un picco par- ticolare corrisponda a un oggetto. Tuttavia, la velocità di rilevamento è molto bassa. L’uso dei vincoli di traccia risulta notevolmente utile. Conclusioni Il processo firefly pone un limite su come gli oggetti possano muoversi, cioè dettaglia i vincoli , non sul rile- Figura 5 - Singolo slice verticale di un frame Lidar Il Processo Firefly Per comprendere, possiamo modellizzare i lampeggi in questo modo: supponiamo che una lucciola (ndt: firefly, in inglese) voli attorno a una scatola e immagi- niamo di vederla lampeggiare a intervalli regolari. Sfor- tunatamente, riceviamo anche alcuni lampeggi irrego- lari dall’ambiente, che potrebbero arrivare da qualsiasi direzione. A rendere le cose più difficili, ogni tanto per- diamo qualche lampeggio della lucciola e la posizione in cui la rileviamo non è sempre perfetta. Il quesito fondamentale che ci poniamo è: “data una sequenza di lampeggi, ognuno dei quali proviene da un singolo frame, possiamo affermare che l’intera sequenza provenga dalla lucciola, o no?” Il termine tecnico dato a domande di questo genere è ‘verifica di ipotesi’. Per