Gatuskyltfilter:Systemet använder det begränsade urvalet av trafikskyltsfärger för att enkelt ta bort dem från alla scen. Kredit:Brunel University London
En forskningsartikel som revolutionerade hur bilar läser trafikskyltar har erkänts som den "mest inflytelserika under årtiondet" vid en ceremoni i Tokyo.
De idéer som tidningen lagt fram har nu hittat in i allt från autonoma bilar till kontroversiella kommande förändringar i EU -lagstiftningen.
System för igenkänning av trafikskyltar ombord, en vanlig egenskap hos moderna bilar, använda kameror för att upptäcka, känna igen och spåra vägskyltar i realtid. Deras vanligaste användning hittills har varit att läsa av skyltar för passerande hastighetsbegränsning och vidarebefordra informationen till föraren, men tekniken verkar vara avsedd att få större betydelse i framtiden när vi överlåter ett större köransvar till våra bilar.
Det nya systemet, publicerades först i en artikel med titeln "A New Approach for In-Vehicle Camera Traffic Sign Detection and Recognition" 2009, föreslagit att använda de specifika egenskaperna hos vägmärken för att snabbt identifiera dem i alla scen.
"Där de flesta tidigare system hade använt standardmetoder för bildigenkänning, vi fokuserade istället mer på de speciella egenskaperna hos trafikskyltarna, " sa Dr Yongmin Li från Brunel University London, som var medförfattare till uppsatsen tillsammans med Ph.D. forskaren Andrezej Ruta.
"Till exempel, vägskyltar använder ett mycket litet antal färger – röd, blå, grön, vit, svarta och gula - och de har vanliga former, antingen cirkel, triangel eller kvadrat etc. Det finns ett relativt litet antal möjliga kandidattecken."
Trafikskyltsgrafik:Systemet använder vanliga trafikskyltsegenskaper, som form och storlek, för att snabbt hitta rätt svar. Kredit:Brunel University London
Systemet hanterar effektivt problemet som en elimineringsprocess – en superhastighet, realtidsspel "Gissa vem?" vilket snabbt smalnar in på rätt svar.
Denna forskning och dess senare utökade arbete blev standardreferensen inom sitt område efter publiceringen. Man tror att forskningen ligger till grund för många av dagens kommersiella bilsystem.
Medan igenkänning av trafikmärken 2009 sågs som en snygg funktion för exklusiva bilar, idag har det tagit en ny nivå av betydelse, och betraktas nu som en nyckelaspekt i framtiden för autonoma och halvautonoma bilar.
"För att vara ärlig, För tio år sedan såg vi detta problem som mycket intressant, men i mycket mindre skala, " sa Dr Li.
"Området vi tog upp är detsamma som det de måste ta itu med med autonoma bilar nu, men på den tiden, efterfrågan och problemets omfattning var mycket mindre.
"Forskningen tar dock fortfarande upp ett av de stora problemområdena för autonoma bilar - i synnerhet, när man kör på landsbygden där kartor inte nödvändigtvis är tillförlitliga och bilen måste förlita sig på realtidsflöden av vad kamerorna ser."
System för igenkänning av trafikmärken har varit kontroversiella de senaste månaderna efter att EU föreslagit lagar som skulle använda dem för att automatiskt begränsa hastigheten för alla nya bilar som tillverkas efter 2022.
Lagen, som endast har avtalats provisoriskt men som transportdepartementet har sagt skulle genomföras oavsett utfallet av Brexit, insisterar på att nya bilar använder "Intelligent Speed Assistance" (ISA), ett hybridsystem som använder GPS och trafikskyltigenkänning för att stoppa bilar som kör över hastighetsgränsen. Även om systemet kan åsidosättas, man hoppas att implementeringen kommer att spara cirka 25, 000 liv inom 15 år.
"Som forskare känner vi oss glada och nöjda med det vi har gjort, och att vi kan göra några verkliga förändringar i den verkliga världen, " sa Dr Li.
Erkännande för uppsatsen kom vid IAPR Conference on Machine Vision Applications (MVA), det stora tvååriga evenemanget för International Association for Pattern Recognition, som i år hölls i Tokyo.
MVA Most Influential Paper over the Decade Award ges till författarna till en artikel som presenterades för konferensen för tio år sedan, som fortsatte att ha ett betydande inflytande på maskinseendeteknologi under det efterföljande decenniet.