Преглед садржаја
Кључне Такеаваис
- Аутомобили који се сами возе ослањају се на технологију машинског вида да виде и разумеју своју околину, омогућавајући им да детектују објекте, идентификују знакове и навигацију путем.
- Машински вид у самовозећим аутомобилима састоји се од система камера, ивичног рачунарства и АИ алгоритама, који заједно раде на прикупљању визуелних информација, обрађују их у реалном времену и идентификују обрасце и објекте.
- Машински вид је кључан за постизање пуне аутономије у аутомобилима који се сами возе, јер омогућава класификацију објеката, детекцију трака и сигнала, идентификацију знакова и препознавање саобраћаја. Будућност аутономних возила лежи у напретку у вештачкој интелигенцији, ивичним рачунарима и технологији камера.
Аутомобили који се сами возе увек су изазивали пажњу. Иако можда још увек немамо потпуно аутономне аутомобиле, имамо аутомобиле са напредним системима за помоћ возачу (АДАС) који су способни за аутоматско управљање, промену траке, паркирање и темпомат који је свестан саобраћаја.
Аутомобил који се самостално вози користи бројне сензоре за свој АДАС, при чему је машински вид примарни начин откривања, идентификације и израчунавања удаљености објеката и опште околине. Без машинског вида, самовозећи аутомобили са темпоматом и аутопилотом су мало вероватни.
Шта је машински вид?
Машински вид је технологија која омогућава машинама да виде и препознају објекте у свом окружењу. То је подскуп компјутерског вида који се фокусира на индустријску примену детекције објеката усмерених на вид у аутономним машинама као што су роботи и возила.
Машински вид данас користи алгоритме дубоког учења АИ као што су конволуционе неуронске мреже (ЦНН) за креирање робусних и добро генерализованих модела који могу прецизно идентификовати објекте у различитим условима. Омогућава примену машинског вида на различитим задацима који захтевају већу поузданост у производњи, пољопривреди, роботици и аутомобилској индустрији.
Како машински вид функционише у аутомобилима који се сами возе?
Машински вид у аутомобилима који се сами возе обично се може поделити на три дела: систем камера, обрада (ивично рачунарство) и АИ. Ова технологија омогућава аутономном возилу да види, размишља и идентификује знакове и препреке током вожње. Хајде да детаљно размотримо сваки део да бисмо разумели како се ове технологије повезују да би формирале машинску визију аутомобила који се самостално вози.
Систем камере
Машински вид се ослања на системе камера за прикупљање визуелних информација о окружењу. Аутомобили који се сами возе користе неколико камера постављених око аутомобила како би прикупили што више визуелних информација.
Два главна сензора се користе у камерама за машински вид: комплементарни метал-оксидни полупроводници (ЦМОС) и уређаји са наелектрисањем (ЦЦД). За аутомобиле који се сами возе, ЦМОС је често пожељнији због своје велике брзине очитавања, моћне електронике на броду и могућности паралелне обраде, што га чини бржим сензором, иако подложан буци или артефактима. Решења, као што су различити режими осветљења, дигитални ноћни вид и филтери, могу помоћи ЦМОС сензору у условима осветљења који нису идеални.
За аутомобиле који се самостално возе, камере су инсталиране на одређеним удаљеностима једна од друге да би произвеле стереоскопски вид. Стереоскопска визија је способност комбиновања два или више визуелних инпута, стварајући осећај дубине или тродимензионалности у објектима и окружењу. Ово, заузврат, омогућава аутомобилима да триангулирају и израчунају приближну удаљеност између објекта и аутомобила.
Пошто људи имају два ока, користи нам и стереоскопски вид. Можете га сами тестирати; затворите једно око и изаберите мали предмет са свог стола. Ставите руку на страну предмета и уверите се да је врх предмета удаљен најмање два инча. Покушајте да застанете на неколико секунди и видите колико сте сигурни у своју апроксимацију. Сада покушајте да отворите оба ока и видите како је ваш осећај дубине много бољи.
Едге Цомпутер
Док систем камера на самовозећем аутомобилу прикупља податке, уграђени рачунар (ивични процесор) ће обрадити све улазе у реалном времену како би одмах ажурирао систем о статусу окружења. Иако типични задаци машинског вида могу уштедети новац коришћењем рачунарства у облаку, једноставно постоји превелики ризик да аутомобили који се сами возе буду повезани са облаком, чак и ако се ради о спољном извођењу процеса у његовим захтевима за машински вид.
Коришћење рубног рачунара за обраду улазних података елиминише проблеме са кашњењем и обезбеђује да се подаци примају, обрађују и комуницирају у реалном времену. Едге рачунари за аутомобиле који се сами возе користе специјализоване рачунаре који интегришу АИ графичке процесоре као што су НВИДИА Тенсор Цоре и ЦУДА Цоре.
АИ алгоритми
Алгоритми су одувек били кључни део машинског вида. Алгоритам је оно што омогућава рачунару да идентификује све шаре, облике и боје које обезбеђује систем камера. Коришћење вештачке интелигенције у односу на традиционалније алгоритаме машинског вида у великој мери побољшава способност самовозећег аутомобила да поуздано идентификује објекте, уличне знакове, ознаке на путу и семафоре. Многи АИ алгоритми се користе за обуку самовозећих аутомобила. Најпопуларнији укључују:
- ИОЛО (Гледаш само једном): Алгоритам за детекцију објеката у реалном времену који идентификује и прати објекте у видном пољу аутомобила.
- СИФТ (Сцале-Ицар’сант Феатуре Трансформ): Користи се за екстракцију карактеристика, помаже аутомобилу да препозна карактеристичне оријентире и објекте у свом окружењу.
- Хистограм оријентисаних градијената (ХОГ): Користи се за препознавање објеката, фокусира се на издвајање локалних образаца и градијената из слика.
- ТектонБоост: Алгоритам који помаже у препознавању објеката анализом текстура у окружењу.
- АдаБоост: Користи се за класификацију података, АдаБоост комбинује вишеструке слабе класификаторе да би донео снажне одлуке о објектима и препрекама на путу возила.
Важност машинског вида у самовозећим аутомобилима
Кредит за слику:Аутомобиле Италиа/Флицкр
Машински вид је примарни начин да самовозећи аутомобил осети и разуме своју околину. Без машинског вида, врло је вероватно да ће самовозећи аутомобили бити враћени на ниво 1 на скали аутономије возила и можда никада неће достићи пуну аутономију.
Са машинским видом, самовозећи аутомобили су сада способни за класификацију објеката, детекцију трака и сигнала, идентификацију знакова и препознавање саобраћаја.
Иако многа самовозећа возила сада користе различите сензоре, као што су ЛИДАР, РАДАР и СОНАР, сви се у великој мери ослањају на машински вид да би видели околину, идентификовали објекте и разумели значење знакова и семафора на путу. Сви ови додатни сензори су ту само да побољшају машински вид и унапреде безбедност људи, животиња и имовине.
Међутим, машински вид може да ради независно без помоћи других сензора да би обезбедио могућности аутопилота. У ствари, Теслини најновији самовозећи аутомобили су избацили РАДАР и сада се ослањају искључиво на машински вид за свој систем аутопилота.
Иако ово не значи ништа у смислу дискредитације корисности других сензорских технологија, показује важност и моћ машинског вида у аутомобилима који се сами возе.
Будућност машинског вида у аутономним возилима
Машински вид је основа самовозећих аутомобила. Путем машинског вида, аутомобили могу да виде и перципирају околину баш као и људи. Иако изазови и даље постоје, предности машинског вида у смислу безбедности и навигације не могу се потценити. Што се тиче будућности аутономних возила, сваки даљи напредак у области вештачке интелигенције, ивичног рачунарства и/или технологије камера ће сигурно учинити самовозеће аутомобиле искуснијим, што ће их вероватно померити на виши ниво аутоматизације.