夜视摄像机拍摄的热图像通常是单色的、有颗粒感的，并且或多或少有点模糊。据26日出版的《自然》杂志报道，美国普渡大学和洛斯阿拉莫斯国家实验室的研究人员开发了一种热辅助探测和测距（HADAR）系统，通过训练人工智能（AI）来确定热像中每个像素的温度、能量特征和物理纹理，产生的图像几乎与传统相机在日光下拍摄的图像一样清晰，可帮助自动驾驶车辆在所有户外条件下更安全地运行。
为了训练AI，研究人员在夜间使用复杂的热成像相机和成像传感器在户外捕获数据，这些传感器能够显示整个电磁频谱的能量发射。他们还创建了户外环境的计算机模拟，以便进行额外的AI培训。
研究人员表示，HADAR学会了检测物体并估计与这些物体的距离，其准确度比仅依靠传统夜视技术高出10倍。它利用不可见的红外辐射来重建夜间场景，清晰度就像白天的一样。
但HADAR仍面临实际应用中的挑战，如实时数据采集、动态模糊和成本问题，笨重且昂贵的相机和成像设备需要以更小的体积和更低的成本来制造。而其收集和处理数据的过程仍然需要大约一分钟，理想情况下该时间在几毫秒内，只有这样，才能保证无人驾驶汽车在行驶中使用该系统。
夜视摄像机拍摄的热图像通常是单色的、有颗粒感的，并且或多或少有点模糊。据26日出版的《自然》杂志报道，美国普渡大学和洛斯阿拉莫斯国家实验室的研究人员开发了一种热辅助探测和测距（HADAR）系统，通过训练人工智能（AI）来确定热像中每个像素的温度、能量特征和物理纹理，产生的图像几乎与传统相机在日光下拍摄的图像一样清晰，可帮助自动驾驶车辆在所有户外条件下更安全地运行。
为了训练AI，研究人员在夜间使用复杂的热成像相机和成像传感器在户外捕获数据，这些传感器能够显示整个电磁频谱的能量发射。他们还创建了户外环境的计算机模拟，以便进行额外的AI培训。
研究人员表示，HADAR学会了检测物体并估计与这些物体的距离，其准确度比仅依靠传统夜视技术高出10倍。它利用不可见的红外辐射来重建夜间场景，清晰度就像白天的一样。
但HADAR仍面临实际应用中的挑战，如实时数据采集、动态模糊和成本问题，笨重且昂贵的相机和成像设备需要以更小的体积和更低的成本来制造。而其收集和处理数据的过程仍然需要大约一分钟，理想情况下该时间在几毫秒内，只有这样，才能保证无人驾驶汽车在行驶中使用该系统。
