重要的是，自動駕駛汽車能夠快速檢測到共享道路的其他車輛或行人。卡耐基梅隆大學的研究人員已經表明，通過幫助車輛識別它看不到的東西，他們可以顯著提高檢測準確度。

也就是空白空間。

你眼中的物體會模糊你對前方事物的看法，這一事實對人們來說是顯而易見的。但CMU機器人研究所的博士生胡培云(音譯)表示，自動駕駛汽車通常不是這樣判斷周圍物體的。

相反，他們使用來自激光雷達的3-D數據將對象表示為點云，然后嘗試將這些點云與對象的3-D表示庫匹配。胡說，問題在于，車輛激光雷達的3d數據并不是真正的3d -傳感器無法看到物體被遮擋的部分，而目前的算法也無法判斷這種遮擋。

“感知系統需要知道他們的未知，”胡觀察到。

胡的研究使自動駕駛汽車的感知系統能夠在判斷傳感器所看到的東西時考慮可視性。事實上，當公司構建數字地圖時，關于可見性的推理已經被使用了。

“地圖構建從根本上解釋了哪些地方是空的，哪些地方被占用了，”機器人學副教授、CMU阿爾戈自動駕駛汽車研究人工智能中心(Argo AI Center for Autonomous Vehicle Research)主任德瓦拉馬南(Deva Ramanan)說。“但這并不總是發生在實時處理障礙物以交通速度移動的過程中。”

在將于6月13-19日舉行的計算機視覺和模式識別(CVPR)會議上，胡和他的同事們借鑒了地圖制作技術來幫助系統在識別物體時判斷可見度。

在標準基準測試中，CMU方法的表現優于之前的頂級技術，對小汽車的檢測提高了10.7%，對行人的檢測提高了5.3%，對卡車的檢測提高了7.4%，對公共汽車的檢測提高了18.4%，對拖車的檢測提高了16.7%。

以前的系統可能沒有考慮到可見性的一個原因是考慮到計算時間。但胡表示，他的團隊發現這不是問題:他們的方法只需要24毫秒就能運行。(作為比較，激光雷達的每次掃描是100毫秒。)