Ключові висновки
- Безпілотні автомобілі покладаються на технологію машинного зору, щоб бачити та розуміти оточення, що дозволяє їм виявляти об’єкти, розпізнавати знаки та орієнтуватися на дорозі.
- Машинне бачення в безпілотних автомобілях складається із системи камер, периферійних обчислень і алгоритмів штучного інтелекту, які працюють разом, щоб збирати візуальну інформацію, обробляти її в режимі реального часу та ідентифікувати шаблони та об’єкти.
- Машинне бачення має вирішальне значення для досягнення повної автономності в безпілотних автомобілях, оскільки воно дозволяє класифікувати об’єкти, розпізнавати смуги руху та сигнали, ідентифікувати знаки та розпізнавати дорожній рух. Майбутнє автономних транспортних засобів полягає в прогресі ШІ, периферійних обчислень і технології камер.
Безпілотні автомобілі завжди привертали увагу. Хоча ми можемо ще не мати повністю автономних автомобілів, у нас є автомобілі з вдосконаленими системами допомоги водієві (ADAS), здатними до автоматичного керування, зміни смуги руху, паркування та круїз-контролю з урахуванням руху.
Автомобіль, що керує автомобілем, використовує численні датчики для своєї ADAS, причому машинний зір є основним способом виявлення, ідентифікації та розрахунку відстані до об’єктів і загального оточення. Без машинного зору безпілотні автомобілі з круїз-контролем і автопілотом малоймовірні.
Що таке машинний зір?
Машинний зір — це технологія, яка дозволяє машинам бачити та розпізнавати об’єкти в навколишньому середовищі. Це підмножина комп’ютерного зору, яка зосереджена на промисловому застосуванні зорієнтованого виявлення об’єктів в автономних машинах, таких як роботи та транспортні засоби.
Машинне зір сьогодні використовує алгоритми глибокого навчання штучного інтелекту, такі як згорточні нейронні мережі (CNN), для створення надійних і добре узагальнених моделей, які можуть точно ідентифікувати об’єкти в різних умовах. Він дає змогу реалізувати машинний зір у різних задачах, що вимагають підвищеної надійності у виробництві, сільському господарстві, робототехніці та автомобілебудуванні.
Як працює машинний зір у безпілотних автомобілях?
Машинне бачення в безпілотних автомобілях зазвичай можна розділити на три частини: система камери, обробка (обчислення на межах) і ШІ. Цей пакет технологій дозволяє автономному транспортному засобу бачити, думати та ідентифікувати знаки та перешкоди під час руху. Давайте детально обговоримо кожну частину, щоб зрозуміти, як ці технології поєднуються, щоб сформувати машинне бачення безпілотного автомобіля.
Система камери
Машинний зір покладається на системи камер для збору візуальної інформації про навколишнє середовище. У безпілотних автомобілях використовується кілька камер, встановлених навколо автомобіля, щоб зібрати якомога більше візуальної інформації.
У камерах машинного зору використовуються два основні датчики: комплементарні металооксидні напівпровідники (CMOS) і пристрої із зарядовим зв’язком (CCD). Для безпілотних автомобілів часто віддають перевагу CMOS через його високу швидкість зчитування, потужну бортову електроніку та можливості паралельної обробки, що робить його швидшим датчиком, хоча він схильний до шумів або артефактів. Такі рішення, як різні режими освітлення, цифрове нічне бачення та фільтри, можуть допомогти сенсору CMOS під час не ідеальних умов освітлення.
Для безпілотних автомобілів камери встановлюються на певній відстані одна від одної для створення стереоскопічного бачення. Стереоскопічний зір — це здатність поєднувати два або більше візуальних входів, створюючи відчуття глибини або тривимірності в об’єктах і навколишньому середовищі. Це, у свою чергу, дозволяє автомобілям виконувати тріангуляцію та обчислювати приблизну відстань між об’єктом і автомобілем.
Оскільки у людей два ока, ми також отримуємо користь від стереоскопічного зору. Ви можете перевірити це самостійно; закрийте одне око та виберіть невеликий предмет зі свого столу. Покладіть руку на бік предмета та переконайтеся, що кінчик предмета знаходиться щонайменше на два дюйми від нього. Спробуйте зробити паузу на кілька секунд і перевірте, наскільки ви впевнені у своєму наближенні. Тепер спробуйте відкрити обидва ока і переконайтеся, що ваше відчуття глибини стало набагато кращим.
Граничний комп’ютер
Поки система камер на самокерованому автомобілі збирає дані, бортовий комп’ютер (граничний процесор) оброблятиме всі вхідні дані в режимі реального часу, щоб негайно оновити систему щодо стану середовища. Хоча типові завдання машинного бачення можуть заощадити гроші за допомогою хмарних обчислень, для безпілотних автомобілів просто занадто великий ризик підключення до хмари, навіть якщо це стосується аутсорсингу процесу відповідно до вимог машинного зору.
Використання периферійного комп’ютера для обробки вхідних даних усуває проблеми із затримкою та гарантує отримання, обробку та передачу даних у режимі реального часу. Граничні комп’ютери для безпілотних автомобілів використовують спеціалізовані комп’ютери з інтегрованими графічними процесорами AI, як-от NVIDIA Tensor Core та ядра CUDA.
Алгоритми ШІ
Алгоритми завжди були важливою частиною машинного зору. Алгоритм – це те, що дозволяє комп’ютеру ідентифікувати всі візерунки, форми та кольори, надані системою камери. Використання штучного інтелекту замість більш традиційних алгоритмів машинного зору значно покращує здатність безпілотного автомобіля надійно ідентифікувати об’єкти, дорожні знаки, дорожню розмітку та світлофори. Багато алгоритмів ШІ використовуються для навчання самокерованих автомобілів. До найпопулярніших відносяться:
- YOLO (You Only Look Once): Алгоритм виявлення об’єктів у реальному часі, який визначає та відстежує об’єкти в полі зору автомобіля.
- SIFT (Scale-Icar’sant Feature Transform): використовується для виділення функцій, допомагає автомобілю розпізнавати характерні орієнтири та об’єкти навколо нього.
- Гістограма орієнтованих градієнтів (HOG): використовується для розпізнавання об’єктів, вона зосереджена на вилученні локальних візерунків і градієнтів із зображень.
- TextonBoost: алгоритм, який допомагає розпізнавати об’єкти шляхом аналізу текстур у середовищі.
- AdaBoost: використовується для класифікації даних, AdaBoost об’єднує кілька слабких класифікаторів, щоб приймати вагомі рішення щодо об’єктів і перешкод на шляху автомобіля.
Важливість машинного зору в безпілотних автомобілях
Автор зображення: Automobile Italia/Flickr
Машинний зір є основним способом для безпілотного автомобіля відчувати та розуміти навколишнє середовище. Без машинного зору дуже ймовірно, що безпілотні автомобілі будуть відсунуті назад до рівня 1 за шкалою автономності транспортних засобів і, можливо, ніколи не досягнуть повної автономності.
Завдяки машинному зору безпілотні автомобілі тепер здатні класифікувати об’єкти, виявляти смуги руху та сигнали, ідентифікувати знаки та розпізнавати дорожній рух.
Хоча зараз багато безпілотних транспортних засобів використовують різні датчики, такі як LIDAR, RADAR і SONAR, усі вони значною мірою покладаються на машинний зір, щоб бачити навколишнє середовище, ідентифікувати об’єкти та розуміти значення знаків і світлофорів на дорозі. Усі ці додаткові датчики призначені лише для покращення машинного зору та підвищення безпеки людей, тварин і майна.
Тим не менш, машинний зір може працювати самостійно без допомоги інших датчиків, щоб забезпечити можливості автопілота. Фактично, найновіші безпілотні автомобілі Tesla відмовилися від RADAR і тепер покладаються виключно на машинне зір для своєї системи автопілота.
Хоча це нічого не означає з точки зору дискредитації корисності інших сенсорних технологій, це демонструє важливість і силу машинного зору в безпілотних автомобілях.
Майбутнє машинного зору в автономних транспортних засобах
Машинний зір є основою безпілотних автомобілів. За допомогою машинного зору автомобілі можуть бачити та сприймати навколишнє середовище так само, як і люди. Хоча проблеми залишаються, переваги машинного зору з точки зору безпеки та навігації неможливо недооцінити. Що стосується майбутнього автономних транспортних засобів, будь-який подальший прогрес у сфері штучного інтелекту, периферійних обчислень та/або технологій камер, безумовно, зробить безпілотні автомобілі більш досвідченими, що, ймовірно, переведе їх на вищий рівень автоматизації.
