据外媒报道，中国科学院沈阳研究所的一组研究人员发现了一种方法，可帮助自动驾驶汽车在黑暗中“看得”更清楚，从而将车辆的驾驶能力提高10%以上。该研究团队成功的秘诀跟一个已经有几十年历史、关于人眼如何工作的理论有关。
黑暗中运行的自动驾驶汽车（图片来源：spectrum.ieee.org）
自动驾驶汽车实现导航的一种方式是使用一组摄像头，每台摄像头都配备了专门的滤波器，用以辨识入射光线的偏振状态。偏振是指光波在传播过程中振动方向，能够揭示关于物体最后一次反射的很多信息，包括物体的表面特性和细节。
然而，尽管偏振滤波器能够为自动驾驶汽车提供关于周围物体的附加信息，该技术仍然存在一些局限性。
该研究院的机器人教授田建东表示：“此种双滤光片设计虽然可以提供更多信息，但是也导致其在夜间捕捉光子变得更加困难。因此，在低光照条件下，偏振摄像头的图像质量会显著下降，物体的细节和清晰度也会受到更为严重的影响。”
为了解决该问题，田教授及其学生杨路转向了一种理论，该理论旨在阐释人类在低光照条件下为何能有效区分颜色。Retinex（视网膜大脑皮层）理论指出，人类的视觉系统可以通过两种不同的方式来辨别光线，即光线的反射成分和照明成分。即使在弱光条件下，人眼与大脑依然能够补偿光照变化，因而足以辨别颜色。
田教授团队将该概念应用于其自动驾驶车辆的导航系统，该系统可以分别处理偏振光的反射和照明特性。采用了一种与人类视觉系统工作原理类似的算法（使用相同图像在不同光照条件下的真实世界数据进行训练），以补偿亮度变化；此外，还采用了第二种算法，处理入射光的反射特性，消除背景噪音。
传统的自动驾驶汽车通常只处理光线的反射特性，而此种双重法可实现更优异的效果。最后，可以得到一幅更加清晰的图像。
此外，研究人员还对提出的新方法RPLENet进行了测试。首先，该团队利用昏暗环境中的真实世界数据进行仿真测试，以验证其方法在低光照成像方面可以取得更好的效果；之后，研究人员将基于RPLENet方法的摄像头安装到车上，并在实际的夜间场景中对其进行测试。最后的实验结果表明，在与自动驾驶算法结合的实验中，新方法将驾驶精度提高了约10%。
研究人员表示，此种新方法可以实现更安全的自动驾驶汽车。不过，RPLENet方法面临的一个挑战是，其需要在难以获取的数据集（如在不同光照场景下，同一物体的图像）上进行大量训练。“未来，我们计划进一步探索弱监督和无监督的学习方法，以减少对大量标注数据的依赖，从而加速算法的发展，并在实际应用中提供更高效、更经济的解决方案。”
