En los días calurosos de verano se puede apreciar un fenómeno óptico atmosférico sobre la carretera: los espejismos. Esta ilusión óptica engaña a la vista del conductor, pero ¿podría engañar también a las cámaras de los sistemas ADAS y producir fallos en su funcionamiento?

Un espejismo es un fenómeno físico, una distorsión de la luz, que genera una ilusión óptica. El fenómeno físico se produce por la refracción de la luz al atravesar capas de aire con diferentes temperaturas. Se produce, especialmente, cuando el suelo está muy caliente, por ejemplo, en la arena del desierto o en el asfalto de una carretera. El aire cercano al suelo está muy caliente y es menos denso, lo que produce que los rayos de luz que viajan a través de él viajen más rápido. Cuando un rayo de luz atraviesa esta transición de capas, se curva hacia arriba, en lugar de seguir una línea recta, lo que se denomina refracción.

La ilusión óptica, el espejismo, se produce por la forma de interpretar la luz del ser humano. El cerebro asume que la luz siempre viaja en línea recta y cuando es curvada hacia arriba por la refracción, prolonga mentalmente ese rayo en línea recta hacia atrás y lo ubica como si viniera del suelo. Al “ver” que esa luz viene desde el suelo y tiene las características de un reflejo (colores del cielo, simetría, brillo…), el cerebro interpreta que hay una superficie reflectante en la carretera que coincide con una superficie líquida.

Aunque el espejismo es una ilusión óptica para el cerebro humano, la distorsión de la luz que lo causa es un fenómeno físico real que también afecta a cámaras. En una primera fase, las cámaras recogen la luz curva refractada que parece venir desde el suelo y generan una imagen en la que aparece una zona brillante sobre el asfalto.

El sistema segmenta esas imágenes para identificar zonas de interés relevantes para la seguridad y la conducción, por ejemplo, vehículos, objetos… y también la vía y el asfalto. Cuando detecta ese reflejo producido por la refacción de la luz, analiza patrones visuales gracias al aprendizaje automático que han recibido a partir de millones de horas de video en condiciones reales. En un “espejismo”, analiza el color (tonos azules, grises o negros que suelen asociarse a agua o espejismos), textura (el agua suele ser lisa y homogénea; la textura del asfalto es rugosa), reflejos y simetría (un charco real genera un reflejo invertido de los objetos y del cielo), el contraste y brillo (los charcos tienen un brillo característico), y la forma de área brillante y sus bordes.

Además, la IA comprara esa zona del asfalto en varios fotogramas, para detectar si cambia de tamaño, se mueve y si es coherente con un charco. Y, si el coche tiene más sensores, compara los datos de la imagen con los del radar y el LiDAR para saber si hay objetos. Ninguno de los dos puede “probar” si hay un charco delante del coche o si se trata de un espejismo; pero sí determinar que no hay ningún objeto peligroso en la trayectoria del coche que obligue a realizar un aviso o frenada de emergencia.

Los sistemas ADAS actuales no están programados para avisar al conductor o actuar en caso de detectar un charco. Pero los sistemas de conducción autónoma sí tienen que evaluar esa posibilidad, bien para alertar al conductor (nivel 3 y 4) y que se ponga al mando del coche; bien para actuar en consecuencia, reduciendo la velocidad o esquivando la balsa de agua (nivel 4 y 5).

En este caso, el análisis es aún más profundo y se evalúan cambios en la posición aparente del reflejo o distorsión con el avance del vehículo; estabilidad y consistencia del patrón visual (un charco real presenta cambios mínimos en su posición relativa; un espejismo tiende a desplazarse o cambiar de forma con el ángulo de visión) y patrones de reflejo (los espejismos suelen reflejar el cielo o el horizonte, mientras que los charcos reflejan objetos cercanos con mayor definición).

Además, se integra información de contexto. Por ejemplo, se observa el comportamiento de otros vehículos al acercarse a la zona, si lo esquivan, si hay salpicaduras… Y se aplican modelos predictivos basados en experiencia acumulada para ajustar la confianza en la interpretación.

Con toda esta información acumulada, el sistema da una probabilidad de que sea un charco o un espejismo, y define umbrales de confianza. Si cree que hay una alta probabilidad de charco, alerta al conductor o modifica la conducción para adaptarse al escenario, con algoritmos de toma de decisiones probabilísticas integrados en la arquitectura de control.