Sürücüyə yardım sistemlərində istifadə edilən ənənəvi kadr (frame) əsaslı kameralar, adətən saniyədə 30-50 kadr sürətində anlıq görüntülər çəkir. Buna görə də, hər iki kadr arasında 20 ilə 30 millisaniyəlik bir müddət yaranır. Bu müddət ərzində baş verəcək hadisə kamera tərəfindən gecikmə ilə aşkar edilə bilər. Bu problemi aradan qaldırmaq üçün kadr sürəti artırıla bilər, lakin bunun üçün daha çox bant genişliyi, hesablama və emal gücü tələb olunur.

     Görüntü kameraları fərqli bir prinsiplə işləyir. Sabit kadr sürəti əvəzinə, onlar sürətli hərəkətləri aşkar etdikdə məlumatı qeyd edən ağıllı piksellərə malikdirlər. Beləliklə, kadrlar arasında kor nöqtələr qalmır və bu da onlara maneələri daha tez aşkar etməyə imkan verir. Bu kameralara neyromorfik kameralar da deyilir, çünki onlar insan gözünün görüntüləri qəbul etmə tərzini təqlid edirlər. Lakin bu kameraların bəzi çatışmazlıqları da mövcuddur. Məsələn, onlar yavaş hərəkət edən cisimləri gözdən qaçıra bilərlər və şəkilləri süni intellekt alqoritmini öyrətmək üçün istifadə olunan məlumat növünə asanlıqla çevriə bilməzlər. Bu məhdudiyyətləri aradan qaldırmaq üçün tədqiqatçılar, görüntü kamerasını saniyədə 20 şəkil çəkən standart kamera ilə birləşdiriblər. Standart kameranın şəkilləri, nəqliyyat vasitələrini və piyadaları tanımaq üçün öyrədilmiş konvolyusiya neyron şəbəkəsi (convolutional neural network) tərəfindən işləndiyi halda, görüntü kamerasının məlumatları, zamanla dəyişən və 3D məlumatlarda ixtisaslaşan asinxron qrafik neyron şəbəkəsi tərəfindən təhlil edilir. Bu hibrid sistem, standart kameranın təsbitlərini proqnozlaşdırmaq və təkmilləşdirmək üçün görüntü kamerasından alınan məlumatlardan istifadə edir.

     Sistem, standart kameranın hər bir kadrı arasında baxış sahəsinə daxil olan obyektləri effektiv şəkildə aşkarlaya bildiyi üçün yüksək sürətlərdə təhlükəsizliyi əhəmiyyətli dərəcədə artırır. Beləliklə, sistem, cisimləri saniyədə 5000 kadr sürətlə şəkil çəkən bir kamera qədər sürətli bir şəkildə aşkarlaya bilərkən, eyni zamanda 50 kadrlı standart bir kamera qədər bant genişliyindən istifadə edir. Tədqiqatçılar həmçinin qeyd edirlər ki, hibrid sistem miqyaslana bilir. Demo testlərdə ön tərəfə baxan stereo kameradan istifadə edildiyini, lakin istənildiyi halda sistemin birdən çox kamera ilə asanlıqla genişləndirilməsinin mümkün olduğu bildirilib. Əlavə olaraq, tədqiqatçılar, sistemin real vaxt rejimində birdən çox kameradan alınan məlumatları birləşdirərkən heç bir çətinliklə üzləşmədiyini söyləyiblər.

     Tədqiqatçılar təxmin edirlər ki, onların bu metodu, kameraları sürücüsüz avtomobillərdə geniş istifadə olunan LiDAR sensorlara inteqrasiya etməklə daha da təkmilləşdirilə bilər. Bu təməlqoyma texnologiyası gələcəkdə sürücüyə yardım sistemlərini daha sürətli və daha təhlükəsiz etmək potensialına malikdir. Avtonom nəqliyyat vasitələri reallığa çevrildikcə, bu cür təkmil maneə aşkarlama sistemləri həm sürücülərin, həm də piyadaların təhlükəsizliyini təmin etmək üçün həyati əhəmiyyət kəsb edəcək.