Što je strojni vid i koliko je važan za samovozeće automobile?

Ključni zahvati

• Samovozeći se automobili oslanjaju na tehnologiju strojnog vida kako bi vidjeli i razumjeli svoju okolinu, što im omogućuje otkrivanje objekata, prepoznavanje znakova i kretanje cestom.
• Strojni vid u samovozećim automobilima sastoji se od sustava kamera, rubnog računalstva i AI algoritama, koji rade zajedno kako bi prikupili vizualne informacije, obradili ih u stvarnom vremenu i identificirali obrasce i objekti.
• Strojni vid ključan je za postizanje potpune autonomije u samovozećim automobilima, budući da omogućuje klasifikaciju objekata, detekciju traka i signala, identifikaciju znakova i prepoznavanje prometa. Budućnost autonomnih vozila leži u napretku u AI, rubnom računalstvu i tehnologiji kamera.

Samovozeći automobili oduvijek su izazivali pozornost. Iako možda još nemamo potpuno autonomne automobile, imamo napredne automobile sustavi za pomoć vozaču (ADAS) sposobni za automatsko upravljanje, promjenu trake, parkiranje i tempomat s obzirom na promet.

Samovozeći automobil koristi brojne senzore za svoj ADAS, pri čemu je strojni vid primarni način otkrivanja, identifikacije i izračunavanja udaljenosti objekata i općenitog okruženja. Bez strojnog vida, samovozeći automobili s tempomatom i autopilotom vrlo su malo vjerojatni.

Što je strojni vid?

Strojni vid je tehnologija koja omogućuje strojevima da vide i prepoznaju objekte u svom okruženju. To je podskup računalnog vida koji se fokusira na industrijske primjene vizualno orijentirane detekcije objekata u autonomnim strojevima kao što su roboti i vozila.

Strojni vid danas koristi AI algoritme dubinskog učenja kao što su konvolucijske neuronske mreže (CNN) stvoriti robusne i dobro generalizirane modele koji mogu točno identificirati objekte u različitim Uvjeti. Omogućuje implementaciju strojnog vida na različite zadatke koji zahtijevaju veću pouzdanost u proizvodnji, poljoprivredi, robotici i automobilskoj industriji.

Kako strojni vid radi u samovozećim automobilima?

Strojni vid u samovozećim automobilima obično se može podijeliti u tri dijela: sustav kamere, obradu (rubno računalstvo) i AI. Ova tehnologija omogućuje autonomnom vozilu da vidi, razmišlja i identificira znakove i prepreke tijekom vožnje. Razmotrimo detaljnije svaki dio kako bismo razumjeli kako se ove tehnologije povezuju u viziju stroja samovozećeg automobila.

Sustav kamera

Strojni vid se oslanja na sustave kamera za prikupljanje vizualnih informacija o okolini. Samovozeći automobili koriste nekoliko kamera postavljenih oko automobila kako bi prikupili što više vizualnih informacija.

U kamerama strojnog vida koriste se dva glavna senzora: komplementarni metal-oksidni poluvodiči (CMOS) i uređaji sa spregnutim nabojem (CCD). Za samovozeće automobile, CMOS se često preferira zbog velike brzine očitavanja, moćne na brodu elektronika i mogućnosti paralelne obrade, što ga čini bržim senzorom, iako je sklon šumu ili artefakte. Rješenja, kao što su različiti načini osvjetljenja, digitalni noćni vid i filtri, mogu pomoći CMOS senzoru u uvjetima osvjetljenja koji nisu idealni.

Za samovozeće automobile kamere su postavljene na određenim udaljenostima jedna od druge kako bi proizvele stereoskopski vid. Stereoskopski vid je sposobnost kombiniranja dva ili više vizualnih ulaza, stvarajući osjećaj dubine ili trodimenzionalnosti u objektima i okolini. To zauzvrat omogućuje automobilima triangulaciju i izračunavanje približne udaljenosti između objekta i automobila.

Budući da ljudi imaju dva oka, koristimo i stereoskopski vid. Možete sami testirati; zatvorite jedno oko i odaberite mali predmet sa svog stola. Stavite ruku na stranu predmeta i uvjerite se da je vrh predmeta udaljen najmanje dva inča. Pokušajte zastati nekoliko sekundi i provjerite koliko ste sigurni u svoju aproksimaciju. Sada pokušajte otvoriti oba oka i vidjeti kako je vaš osjećaj dubine puno bolji.

Rubno računalo

Dok sustav kamera na samovozećem automobilu prikuplja podatke, ugrađeno računalo (rubni procesor) obradit će sve ulaze u stvarnom vremenu kako bi ažurirao sustav o statusu okoline odmah. Iako tipični zadaci strojnog vida mogu uštedjeti novac korištenjem računalstva u oblaku, toga je jednostavno previše rizik da samovozeći automobili budu povezani s oblakom, čak i ako se radi o outsourcingu procesa u njegovim zahtjevima za strojni vid.

Korištenje rubnog računala za obradu ulaznih podataka eliminira probleme kašnjenja i osigurava da se podaci primaju, obrađuju i komuniciraju u stvarnom vremenu. Rubna računala za samovozeće automobile koriste specijalizirana računala koja integriraju AI grafičke procesore kao što su NVIDIA Tensor Core i CUDA Core.

AI algoritmi

Algoritmi su uvijek bili ključni dio strojnog vida. Algoritam je ono što računalu omogućuje prepoznavanje svih uzoraka, oblika i boja koje pruža sustav kamere. Korištenje AI u odnosu na tradicionalnije algoritme strojnog vida uvelike poboljšava sposobnost samovozećeg automobila da pouzdano identificira objekte, ulične znakove, oznake na cesti i semafore. Mnogi algoritmi umjetne inteligencije koriste se za treniranje samovozećih automobila. Najpopularniji uključuju:

• YOLO (Gledaš samo jednom): Algoritam za otkrivanje objekata u stvarnom vremenu koji identificira i prati objekte u vidnom polju automobila.
• SIFT (Scale-Icar'sant Feature Transform): Koristi se za izdvajanje značajki, pomaže automobilu da prepozna prepoznatljive orijentire i objekte u svojoj okolini.
• Histogram usmjerenih gradijenata (HOG): Koristi se za prepoznavanje objekata, a fokusira se na izdvajanje lokalnih uzoraka i gradijenata sa slika.
• TextonBoost: Algoritam koji pomaže u prepoznavanju objekata analizom tekstura u okruženju.
• AdaBoost: Korišten za klasifikaciju podataka, AdaBoost kombinira višestruke slabe klasifikatore za donošenje snažnih odluka o objektima i preprekama na putu vozila.

Važnost strojnog vida u samovozećim automobilima

Strojni vid je primarni način da samovozeći automobil osjeti i razumije svoju okolinu. Bez strojnog vida, vrlo je vjerojatno da će samovozeći automobili biti vraćeni na razinu 1 na skala autonomije vozila i možda nikada neće postići punu autonomiju.

Sa strojnim vidom, samovozeći automobili sada mogu klasificirati objekte, detektirati trake i signale, identifikaciju znakova i prepoznavanje prometa.

Iako mnoga samoupravljajuća vozila sada koriste razne senzore, kao što su LIDAR, RADAR i SONAR, svi se uvelike oslanjaju na strojni vid kako bi vidjeli okolinu, identificirali objekte i razumjeli značenje znakova i semafora na cesta. Svi ovi dodatni senzori tu su samo kako bi poboljšali strojni vid i unaprijedili sigurnost ljudi, životinja i imovine.

Uz to, strojni vid može raditi samostalno bez pomoći drugih senzora kako bi omogućio mogućnosti autopilota. Zapravo, Teslini najnoviji samovozeći automobili odbacili su RADAR i sada se isključivo oslanjaju na strojni vid za svoj sustav autopilota.

Iako to ne znači ništa u smislu diskreditiranja korisnosti drugih senzorskih tehnologija, pokazuje važnost i snagu strojnog vida u samovozećim automobilima.

Budućnost strojnog vida u autonomnim vozilima

Strojni vid temelj je samovozećih automobila. Putem strojnog vida, automobili mogu vidjeti i percipirati okoliš točno kao i ljudi. Dok izazovi i dalje postoje, prednosti strojnog vida u smislu sigurnosti i navigacije ne mogu se podcijeniti. Što se tiče budućnosti autonomnih vozila, svaki daljnji napredak u AI, rubnom računalstvu i/ili kameri tehnologija će zasigurno učiniti samovozeće automobile vještijima, što će ih vjerojatno pomaknuti na višu razinu automatizacija.