让它教会那你明天的汽车听

 
现代汽车已经具有一系列复杂的系统，例如遥控停车，自动偏离车道警告和睡意识别。未来，自动驾驶汽车还将具有听觉功能。德国奥尔登堡弗劳恩霍夫数字媒体技术研究所IDMT的研究人员现已开发出一种原型系统，该系统能够识别警报器等外部噪声。
现代汽车配备了许多先进的驾驶员辅助系统，旨在减轻方向盘的负担。自动停车和盲点监控等功能采用摄像头，雷达和激光雷达技术来检测车辆附近的障碍物。换句话说，它们为车辆提供了基本的视觉感。汽车还没有被赋予听觉感。但是，将来，可以捕获和识别外部噪声的系统以及智能雷达和摄像头传感器将在自动驾驶汽车上路时发挥关键作用。奥尔登堡Fraunhofer IDMT的研究人员现在正在开发可识别单个声音事件的基于AI的系统。这些将赋予车辆听觉能力。
“尽管这类应用具有巨大的潜力，但自动驾驶汽车尚未配备能够感知外部噪音的系统，”奥尔登堡Fraunhofer IDMT声学事件识别小组负责人Danilo Hollosi说。 “例如，这样的系统将能够立即识别出正在接近的紧急车辆的警报器，从而使自动驾驶汽车随后将知道移至高速公路的一侧并形成救援服务的通道。”在很多其他情况下，声学预警系统也可以发挥至关重要的作用-例如，当自动驾驶汽车驶入儿童正在玩耍的行人区或住宅道路时，或者用于识别缺陷或危险情况(例如交通事故)。钉在轮胎上。另外，这种系统还可以用于监视车辆的状况，甚至可以用作配备语音识别技术的紧急电话。
使用基于AI的算法进行噪声分析
开发具有听觉能力的车辆提出了许多挑战。但是，弗劳恩霍夫(Fraunhofer)IDMT在这里可以利用汽车工程领域的特定项目经验以及丰富的跨学科专业知识。研究的关键领域包括基于最佳传感器位置以及信号预处理，信号增强和背景噪声抑制的信号捕获。首先对系统进行培训，以识别每个相关声音事件的声学特征。这是通过机器学习方法完成的，该方法使用了Fraunhofer IDMT编译的声学库。此外，Fraunhofer IDMT编写了自己的波束成形算法。这些使系统能够动态地将移动声源(例如警笛)定位在接近的紧急车辆上。结果是一个能够识别特定声音的智能传感器平台。 Fraunhofer还编写了自己的基于AI的算法。这些用于将系统设计为识别的特定噪声与其他背景噪声区分开。 Hollosi解释说：“我们使用机器学习。” “并且为了训练算法，我们使用了范围广泛的存档噪声。” Fraunhofer和行业合作伙伴已经创建了初始原型。这些将在未来十年中期达到市场成熟度。
声音传感器系统包括麦克风，控制单元和软件。安装在保护壳中的麦克风安装在车辆外部，用于捕获空气传播的噪音。传感器将这些音频数据传输到特殊的控制单元，然后将其转换为相关的元数据。在许多其他使用领域(例如安全应用程序，护理行业和消费产品)中，原始音频数据通过智能传感器直接转换为元数据。
用于识别声音事件的这种基于计算机的过程的修改版本可以在其他行业和市场中使用。这样的应用包括工业制造中的质量控制。在这种情况下，使用智能电池供电的声学传感器来处理来自工厂和机械的音频信号。该信息被无线发送到处理器。在此基础上，可以确定生产设备的状况并避免任何即将发生的损坏。其他应用包括自动语音识别系统，以使技术人员可以进行免提记录，例如进行涡轮机维护。