Gadeskiltefilter:Systemet bruger det begrænsede udvalg af trafikskiltefarver til nemt at trække dem ud af enhver scene. Kredit:Brunel University London
Et forskningspapir, der revolutionerede, hvordan biler læser trafikskilte, er blevet anerkendt som det 'mest indflydelsesrige gennem årtiet' ved en ceremoni i Tokyo.
De ideer, som papiret fremlagde, har nu fundet vej til alt fra autonome biler til kontroversielle kommende ændringer i EU-lovgivningen.
Indbyggede trafikskiltgenkendelsessystemer, et fællestræk ved moderne biler, bruge kameraer til at opdage, genkende og spore vejskilte i realtid. Deres hyppigste brug hidtil har været at læse skiltene med passerende hastighedsgrænser og videregive informationen til chaufføren, men teknologien ser ud til at få større betydning i fremtiden, efterhånden som vi overlader et større kørselsansvar til vores biler.
Det nye system, første gang udgivet i et papir med titlen "A New Approach for In-Vehicle Camera Traffic Sign Detection and Recognition" i 2009, foreslået at gøre brug af de specifikke karakteristika ved vejskilte for hurtigt at identificere dem i enhver scene.
"Hvor de fleste tidligere systemer havde brugt standardmetoder til billedgenkendelse, vi fokuserede i stedet mere på de særlige karakteristika ved trafikskiltene, " sagde Dr. Yongmin Li fra Brunel University London, der var medforfatter til papiret sammen med ph.d. forsker Andrezej Ruta.
"For eksempel, vejskilte bruger et meget lille antal farver - rød, blå, grøn, hvid, sort og gul - og de har regelmæssige former, enten cirkel, trekant eller firkant osv. Der er et relativt lille antal mulige kandidattegn."
Trafikskilte grafik:Systemet bruger almindelige trafikskilte karakteristika, såsom form og størrelse, for hurtigt at finde det rigtige svar. Kredit:Brunel University London
Systemet løser effektivt problemet som en elimineringsproces - en superhastighed, realtidsspil 'Gæt hvem?' som hurtigt snævrer ind på det rigtige svar.
Denne forskning og dens senere udvidede arbejde blev standardreferencen inden for sit felt efter udgivelsen. Det menes, at forskningen understøtter mange af nutidens kommercielle bilsystemer.
Mens trafikskiltgenkendelse i 2009 blev set som en smart funktion for avancerede biler, i dag har det taget et nyt niveau af betydning, og betragtes nu som et nøgleaspekt i fremtiden for autonome og semi-autonome biler.
"For at være ærlig, for ti år siden så vi dette problem som meget interessant, men i meget mindre skala, " sagde Dr. Li.
"Det område, vi henvendte os til, er det samme som det, de skal adressere med autonome biler nu, men på det tidspunkt, efterspørgslen og omfanget af problemet var meget mindre.
"Undersøgelsen adresserer dog stadig et af de store problemområder for autonome biler - især, når man kører i landdistrikter, hvor kort ikke nødvendigvis er pålidelige, og bilen er nødt til at stole på realtidsfeeds af, hvad kameraerne ser."
Systemer til genkendelse af trafikskilte har været kontroversielle i de seneste måneder, efter at EU foreslog love, som ville bruge dem til automatisk at begrænse hastigheden på alle nye biler fremstillet efter 2022.
Loven, som kun er foreløbigt aftalt, men som Transportministeriet har sagt ville blive implementeret uanset udfaldet af Brexit, insisterer på, at nye biler bruger 'Intelligent Speed Assistance' (ISA), et hybridsystem, der bruger GPS og trafikskiltgenkendelse til at stoppe biler, der kører over hastighedsgrænsen. Mens systemet kan tilsidesættes, det håbes, at implementeringen vil spare omkring 25, 000 liv inden for 15 år.
"Som forskere føler vi os glade og tilfredse med det, vi har lavet, og at vi kan lave nogle reelle ændringer i den virkelige verden, " sagde Dr. Li.
Anerkendelsen for papiret kom på IAPR Conference on Machine Vision Applications (MVA), den store biennale begivenhed for International Association for Pattern Recognition, som i år blev afholdt i Tokyo.
MVA Most Influential Paper over the Decade Award gives til forfatterne af et papir, der blev præsenteret for konferencen for ti år siden, som fortsatte med at have en betydelig indflydelse på maskinsynsteknologi i det efterfølgende årti.