Съдържание
Ключови изводи
- Самоуправляващите се автомобили разчитат на технологията за машинно зрение, за да виждат и разбират заобикалящата ги среда, което им позволява да откриват обекти, да идентифицират знаци и да се ориентират по пътя.
- Машинното зрение в самоуправляващите се автомобили се състои от система от камери, крайно изчисление и AI алгоритми, които работят заедно, за да събират визуална информация, да я обработват в реално време и да идентифицират модели и обекти.
- Машинното зрение е от решаващо значение за постигане на пълна автономност в самоуправляващите се автомобили, тъй като позволява класифициране на обекти, откриване на лента и сигнал, идентификация на знаци и разпознаване на трафика. Бъдещето на автономните превозни средства се крие в напредъка в AI, периферните изчисления и технологията на камерата.
Самоуправляващите се автомобили винаги са привличали вниманието. Въпреки че все още може да нямаме напълно автономни автомобили, имаме автомобили с усъвършенствани системи за подпомагане на водача (ADAS), способни на автоматично управление, смяна на лентата, паркиране и круиз контрол с информация за трафика.
Самоуправляващата се кола използва множество сензори за своите ADAS, като машинното зрение е основният начин за откриване, идентифициране и изчисляване на разстоянието до обектите и общата среда. Без машинно зрение самоуправляващите се автомобили с круиз контрол и автопилот са много малко вероятни.
Какво е машинно зрение?
Машинното зрение е технология, която позволява на машините да виждат и разпознават обекти в заобикалящата ги среда. Това е подмножество от компютърно зрение, което се фокусира върху индустриалните приложения на визуално ориентирано откриване на обекти в автономни машини като роботи и превозни средства.
Машинното зрение днес използва AI алгоритми за задълбочено обучение, като конволюционни невронни мрежи (CNN), за да създаде стабилни и добре обобщени модели, които могат точно да идентифицират обекти в различни условия. Това прави възможно прилагането на машинно зрение при различни задачи, изискващи по-висока надеждност в производството, селското стопанство, роботиката и автомобилостроенето.
Как работи машинното зрение в самоуправляващите се автомобили?
Машинното зрение в самоуправляващите се автомобили обикновено може да бъде разделено на три части: система от камери, обработка (изчисления на граници) и AI. Тази технологична група позволява на автономно превозно средство да вижда, мисли и идентифицира знаци и препятствия по време на шофиране. Нека обсъдим всяка част в дълбочина, за да разберем как тези технологии се свързват заедно, за да формират машинната визия на самоуправляващия се автомобил.
Камерна система
Машинното зрение разчита на системи от камери за събиране на визуална информация за околната среда. Самоуправляващите се автомобили използват няколко камери, инсталирани около колата, за да съберат възможно най-много визуална информация.
В камерите за машинно зрение се използват два основни сензора: комплементарни металооксидни полупроводници (CMOS) и устройства със зарядна връзка (CCD). За самоуправляващите се автомобили CMOS често се предпочита заради бързата скорост на четене, мощната бордова електроника и възможностите за паралелна обработка, което го прави по-бързият сензор, макар и податлив на шум или артефакти. Решения, като различни режими на осветяване, цифрово нощно виждане и филтри, могат да помогнат на CMOS сензора при не толкова идеални условия на осветеност.
За самоуправляващите се автомобили камерите се инсталират на определени разстояния една от друга, за да се получи стереоскопично виждане. Стереоскопичното виждане е способността да се комбинират два или повече визуални входа, създавайки усещане за дълбочина или триизмерност в обектите и околната среда. Това от своя страна позволява на автомобилите да триангулират и изчисляват приблизителното разстояние между обекта и автомобила.
Тъй като хората имат две очи, ние също се възползваме от стереоскопичното зрение. Можете да го тествате сами; затворете едно око и изберете малък предмет от бюрото си. Поставете ръката си от страната на обекта и се уверете, че върхът на предмета е на разстояние поне два инча. Опитайте да спрете за няколко секунди и вижте колко сте уверени в приближението си. Сега опитайте да отворите и двете си очи и вижте как чувството ви за дълбочина е много по-добро.
Edge компютър
Докато системата от камери на самоуправляващия се автомобил събира данни, бордовият компютър (ръбен процесор) ще обработва всички входове в реално време, за да актуализира незабавно системата за състоянието на околната среда. Въпреки че типичните задачи за машинно зрение могат да спестят пари с помощта на облачни изчисления, има просто твърде голям риск самоуправляващите се автомобили да бъдат свързани към облака, дори ако това е за аутсорсване на процеса в неговите изисквания за машинно зрение.
Използването на периферен компютър за обработка на входни данни елиминира проблемите със закъснението и гарантира, че данните се получават, обработват и комуникират в реално време. Edge компютрите за самоуправляващи се автомобили използват специализирани компютри, интегриращи AI графични процесори като Tensor Core и CUDA ядрата на NVIDIA.
AI Алгоритми
Алгоритмите винаги са били решаваща част от машинното зрение. Алгоритъмът е това, което позволява на компютъра да идентифицира всички модели, форми и цветове, предоставени от системата на камерата. Използването на AI над по-традиционните алгоритми за машинно зрение значително подобрява способността на самоуправляващата се кола надеждно да идентифицира обекти, улични знаци, пътни маркировки и светофари. Много AI алгоритми се използват за обучение на самоуправляващи се автомобили. Най-популярните включват:
- YOLO (You Only Look Once): Алгоритъм за откриване на обекти в реално време, който идентифицира и проследява обекти в зрителното поле на автомобила.
- SIFT (Scale-Icar’sant Feature Transform): Използва се за извличане на характеристики, помага на автомобила да разпознава отличителни забележителности и обекти в заобикалящата го среда.
- Хистограма на ориентирани градиенти (HOG): Използва се за разпознаване на обекти, тя се фокусира върху извличане на локални модели и градиенти от изображения.
- TextonBoost: Алгоритъм, който помага при разпознаването на обекти чрез анализиране на текстури в околната среда.
- AdaBoost: Използван за класифициране на данни, AdaBoost комбинира множество слаби класификатори, за да вземе силни решения относно обектите и препятствията по пътя на превозното средство.
Значението на машинното зрение в самоуправляващите се автомобили
Кредит за изображение: Automobile Italia/Flickr
Машинното зрение е основният начин за самоуправляващите се автомобили да усещат и разбират заобикалящата ги среда. Без машинно зрение е много вероятно самоуправляващите се автомобили да бъдат изтласкани обратно до ниво 1 по скалата за автономност на превозното средство и може никога да не достигнат пълна автономност.
С машинно зрение самоуправляващите се автомобили вече могат да класифицират обекти, да разпознават ленти и сигнали, да разпознават знаците и да разпознават трафика.
Въпреки че много самоуправляващи се превозни средства сега използват различни сензори, като LIDAR, RADAR и SONAR, всички разчитат в голяма степен на машинно зрение, за да видят околната среда, да идентифицират обекти и да разберат значението на знаците и светофарите по пътя. Всички тези допълнителни сензори са там само за да увеличат машинното зрение и да допринесат за безопасността на хора, животни и имоти.
Въпреки това машинното зрение може да работи независимо без помощта на други сензори, за да осигури възможности за автопилот. Всъщност най-новите самоуправляващи се автомобили на Tesla изоставиха RADAR и сега разчитат единствено на машинно зрение за своята система за автопилот.
Въпреки че това не означава нищо по отношение на дискредитирането на полезността на други сензорни технологии, то показва важността и силата на машинното зрение в самоуправляващите се автомобили.
Бъдещето на машинното зрение в автономните превозни средства
Машинното зрение е в основата на самоуправляващите се автомобили. Чрез машинното зрение автомобилите могат да виждат и възприемат околната среда точно както хората. Докато предизвикателствата продължават да съществуват, предимствата на машинното зрение по отношение на безопасността и навигацията не могат да бъдат подценени. Що се отнася до бъдещето на автономните превозни средства, всеки по-нататъшен напредък в AI, edge computing и/или технологията на камерата със сигурност ще направи самоуправляващите се автомобили по-опитни, което вероятно ще ги премести на по-високо ниво на автоматизация.