机器视觉(又称计算机能够以视觉方式感知环境的过程)由于许多原因而变得复杂，并且像大多数复杂的事物一样，可以用多种不同的方式来处理它，每种方法都有其优点和缺点。在汽车中处理此任务的一些更常见的方式包括雷达，超声波，激光雷达和普通的老式相机。

事实是，这些都不是特别擅长于以足够的分辨率快速关闭一个物体，然后将该信息以足够快的速度发送到汽车的计算机上，以使车辆能够对它进行操作。例如，您在开车时，一个小孩撞上了马路，现在您的汽车必须先见到那个小孩，然后在踩刹车之前踩刹车。一家名为Terranet的公司认为，它已针对该问题找到了解决方案，该公司于周四宣布，名为Voxelflow。

如果您像我一样，在读了“ Voxelflow”这个名字之后，您可能会想到的第一件事是，“什么是体素?听起来像是在编造。”好吧，我也不确定，所以我向机器视觉专家安东尼·罗伊(Anthony Roy)博士询问了整个外行的解释：

“体素就像一个像素。像素是二维空间中具有X和Y坐标的点，就像电视上的像素一样。体素是相同的，除了它在3D空间中，因此它具有一个X，Y和Z坐标。”

好的，那么Voxelflow系统如何生成需要在空间中定义对象的体素云(又称为点云)?好吧，与大多数使用传统快门和基于传感器的摄像机的车载摄像机不同，Voxelflow系统使用一种称为“事件摄像机”的设备，或更具体地说，使用其中的三个和一个激光器。

事件摄影机没有快门。取而代之的是，构成相机传感器的各个像素在发生亮度变化时会独立做出反应。与基于快门的摄像机相比，这使事件摄像机的响应速度更快，运动模糊的机会也更少。太酷了吧?

因此，现在我们有了三个摄像头来捕获我们试图不击中的对象的图像，但是这些摄像头只能提供X和Y坐标。Voxelflow系统的一项重大创新是扫描激光，它可以锁定相机检测到的物体，并提供Z坐标，将物体定位在空间中并将像素转换为体素。

Roy博士继续说：“您可以使用多个2D摄像机生成该第三坐标。”“问题在于计算机处理数据所需的时间更长。使用激光雷达或诸如此类的[Voxelflow]系统将变得更快。”

这样的结果是，一个系统可以在五毫秒内看到，解析并对可能的碰撞做出反应。但是，正如他们所说，还有更多。Voxelflow不仅将所有数据存储在本地，还与梅赛德斯-奔驰合作，将其应用于梅赛德斯的实时地图技术。

在梅赛德斯(Mercedes)的地图和导航项目上工作的Nihat Kuecuek描述了实时地图将使用三种物质状态(固体，液体和气体)整合Voxelflow数据的方式。

不变的对象(例如建筑物等)就像实体。偶尔变化的事物-人行横道，交通信号灯等就像液体。车辆行驶时收集的Voxelflow数据记录了经常变化的事物，就像气体一样。所有这三个用于生成更完整的实时地图，然后将其流式传输而不是下载到车辆上。

实时地图集成的最终结果将是更有效的导航和更安全的路线规划能力。传统的人工驾驶汽车将感受到这种好处，但是当4级和5级自动驾驶汽车开始广泛地出现在公共道路上时，它将真正地带来回报。