Mikä on konenäkö ja kuinka tärkeää se on itseajaville autoille?

Avaimet takeawayt

• Itseajavat autot luottavat konenäköteknologiaan nähdäkseen ja ymmärtääkseen ympäristöään, minkä ansiosta ne voivat havaita esineitä, tunnistaa merkkejä ja navigoida tiellä.
• Itseajavien autojen konenäkö koostuu kamerajärjestelmästä, reunalaskennasta ja tekoälyalgoritmeista, jotka keräävät yhdessä visuaalista tietoa, käsittelevät sitä reaaliajassa ja tunnistavat kuvioita ja esineitä.
• Konenäkö on ratkaisevan tärkeää itseohjautuvien autojen täydellisen autonomian saavuttamiseksi, koska se mahdollistaa kohteiden luokituksen, kaistan ja opasteen havaitsemisen, opasteiden tunnistamisen ja liikenteen tunnistamisen. Itseohjautuvien ajoneuvojen tulevaisuus piilee tekoälyn, reunalaskennan ja kameratekniikan kehityksessä.

Itseajavat autot ovat aina herättäneet huomiota. Vaikka meillä ei ehkä vielä ole täysin autonomisia autoja, meillä on autoja, joissa on edistyksellisiä autoja kuljettajaa avustavat järjestelmät (ADAS), jotka pystyvät automaattiseen ohjaukseen, kaistanvaihtoon, pysäköintiin ja liikennetietoinen vakionopeudensäädin.

Itseajava auto käyttää lukuisia antureita ADAS-järjestelmässä, ja konenäkö on ensisijainen tapa havaita, tunnistaa ja laskea etäisyyksiä esineisiin ja yleiseen ympäristöön. Ilman konenäköä itseajavat autot vakionopeudensäätimellä ja automaattiohjauksella ovat erittäin epätodennäköisiä.

Mikä on konenäkö?

Konenäkö on tekniikka, jonka avulla koneet voivat nähdä ja tunnistaa esineitä ympäröivässä ympäristössään. Se on tietokonenäön osajoukko, joka keskittyy näkösuuntautuneiden objektien havaitsemisen teollisiin sovelluksiin autonomisissa koneissa, kuten roboteissa ja ajoneuvoissa.

Konenäkö käyttää nykyään tekoälyn syväoppimisalgoritmeja, kuten konvoluutiohermoverkkoja (CNN) luoda vankkoja ja hyvin yleistettyjä malleja, jotka voivat tunnistaa tarkasti eri kohteet ehdot. Se mahdollistaa konenäön toteuttamisen erilaisissa korkeampaa luotettavuutta vaativissa tehtävissä valmistuksessa, maataloudessa, robotiikassa ja autoteollisuudessa.

Kuinka konenäkö toimii itseajavissa autoissa?

Itseajavien autojen konenäkö voidaan tyypillisesti jakaa kolmeen osaan: kamerajärjestelmä, prosessointi (reunalaskenta) ja tekoäly. Tämän teknologiapinon avulla autonominen ajoneuvo voi nähdä, ajatella ja tunnistaa merkkejä ja esteitä ajon aikana. Keskustellaan jokaisesta osasta perusteellisesti ymmärtääksemme, kuinka nämä tekniikat liittyvät toisiinsa muodostaen itseohjautuvan auton konenäön.

Kamerajärjestelmä

Konenäkö perustuu kamerajärjestelmiin, jotka keräävät visuaalista tietoa ympäristöstä. Itseajavissa autoissa on useita auton ympärille asennettuja kameroita kerätäkseen mahdollisimman paljon visuaalista tietoa.

Konenäkökameroissa käytetään kahta pääanturia: komplementaarisia metallioksidipuolijohteita (CMOS) ja latauskytketyt laitteet (CCD). Itseajavissa autoissa CMOS on usein suositeltu sen nopean lukunopeuden ja tehokkaan aluksen vuoksi elektroniikka ja rinnakkaiset prosessointiominaisuudet, mikä tekee siitä nopeamman anturin, vaikkakin altis kohinalle tai esineitä. Ratkaisut, kuten erilaiset valaistustilat, digitaalinen yönäkö ja suodattimet, voivat auttaa CMOS-kennoa epäsuotuisissa valaistusolosuhteissa.

Itseajavissa autoissa kamerat asennetaan tietyille etäisyyksille toisistaan ​​stereoskooppisen näön tuottamiseksi. Stereoskooppinen näkemys on kyky yhdistää kaksi tai useampi visuaalinen syöttö, mikä luo syvyyden tai kolmiulotteisuuden tunteen esineissä ja ympäristössä. Tämä puolestaan ​​antaa autoille mahdollisuuden kolmion muodostaa ja laskea likimääräisen etäisyyden kohteen ja auton välillä.

Koska ihmisillä on kaksi silmää, hyödymme myös stereoskooppisesta näköstä. Voit testata sen itse; sulje toinen silmä ja valitse pieni esine pöydältäsi. Aseta kätesi esineen puolelle ja varmista, että esineen kärki on vähintään kahden tuuman päässä. Yritä pysähtyä muutamaksi sekunniksi ja katso, kuinka varma olet likimääräisestäsi. Yritä nyt avata molemmat silmät ja nähdä, kuinka syvyyden tunteesi on paljon parempi.

Edge tietokone

Kun itse ajavan auton kamerajärjestelmä kerää tietoja, ajotietokone (reunaprosessori) käsittelee kaikki syötteet reaaliajassa päivittääkseen järjestelmän ympäristön tilan heti. Vaikka tyypilliset konenäkötehtävät voivat säästää rahaa pilvipalvelun avulla, niitä on yksinkertaisesti liikaa itseajavien autojen riski liittyä pilveen, vaikka kyseessä olisikin prosessin ulkoistaminen konenäkövaatimuksissa.

Reunatietokoneen käyttäminen syötetietojen käsittelyyn poistaa latenssiongelmat ja varmistaa, että tiedot vastaanotetaan, käsitellään ja välitetään reaaliajassa. Itseajavien autojen reunatietokoneissa käytetään erikoistietokoneita, joissa on integroitu AI-grafiikkaprosessorit, kuten NVIDIAn Tensor Core ja CUDA Cores.

AI-algoritmit

Algoritmit ovat aina olleet keskeinen osa konenäköä. Algoritmin avulla tietokone voi tunnistaa kaikki kamerajärjestelmän tarjoamat kuviot, muodot ja värit. Tekoälyn käyttäminen perinteisempien konenäköalgoritmien sijaan parantaa huomattavasti itse ajavan auton kykyä tunnistaa luotettavasti esineitä, katukylttejä, tiemerkintöjä ja liikennevaloja. Monia tekoälyalgoritmeja käytetään itse ajavien autojen kouluttamiseen. Suosituimpia ovat:

• YOLO (katsot vain kerran): Reaaliaikainen objektintunnistusalgoritmi, joka tunnistaa ja seuraa kohteita auton näkökentässä.
• SIFT (Scale-Icar'sant Feature Transform): Käytetään piirteiden poimimiseen, ja se auttaa autoa tunnistamaan erottuvia maamerkkejä ja esineitä ympäristöstään.
• Orientoitujen gradienttien histogrammi (HOG): Sitä käytetään esineiden tunnistamiseen, ja se keskittyy paikallisten kuvioiden ja liukuvärien poimimiseen kuvista.
• TextonBoost: Algoritmi, joka auttaa objektin tunnistamisessa analysoimalla ympäristön tekstuureja.
• AdaBoost: Tietojen luokitteluun käytetty AdaBoost yhdistää useita heikkoja luokittajia tehdäkseen vahvoja päätöksiä ajoneuvon tiellä olevista kohteista ja esteistä.

Konenäön merkitys itseajavissa autoissa

Konenäkö on itse ajavan auton ensisijainen tapa aistia ja ymmärtää ympäristöään. Ilman konenäköä on hyvin todennäköistä, että itse ajavat autot työnnetään takaisin tasolle 1 auton autonomia-asteikko eikä välttämättä koskaan saavuta täyttä autonomiaa.

Konenäön ansiosta itseajavat autot pystyvät nyt luokittamaan kohteet, tunnistamaan kaistat ja opasteet, tunnistamaan opasteet ja tunnistamaan liikenteen.

Vaikka monet itseohjautuvat ajoneuvot käyttävät nykyään erilaisia ​​antureita, kuten LIDAR, RADAR ja SONAR, kaikki ovat vahvasti riippuvaisia konenäkö nähdä ympäristön, tunnistaa esineitä ja ymmärtää merkkien ja liikennevalojen merkityksen tie. Kaikki nämä ylimääräiset anturit ovat vain parantamaan konenäköä ja edistämään ihmisten, eläinten ja kiinteistöjen turvallisuutta.

Konenäkö voi kuitenkin toimia itsenäisesti ilman muiden antureiden apua automaattiohjauksen ominaisuuksien tarjoamiseksi. Itse asiassa Teslan uusimmat itseajavat autot hylkäsivät TUTKAN ja luottavat nyt vain konenäköön Autopilot-järjestelmässään.

Vaikka tämä ei tarkoita mitään muiden anturitekniikoiden hyödyllisyyden heikentämisessä, se osoittaa konenäön tärkeyden ja tehon itseajavissa autoissa.

Autonomisten ajoneuvojen konenäön tulevaisuus

Konenäkö on itseohjautuvien autojen perusta. Konenäön avulla autot voivat nähdä ja havaita ympäristön täsmälleen samalla tavalla kuin ihmiset. Vaikka haasteet jatkuvat, konenäön etuja turvallisuuden ja navigoinnin kannalta ei voida aliarvioida. Mitä tulee autonomisten ajoneuvojen tulevaisuuteen, kaikki lisäedistykset tekoälyssä, reunalaskentassa ja/tai kamerassa teknologia tekee itsestään ajavista autoista varmasti taitavampia, mikä todennäköisesti siirtää ne korkeammalle tasolle automaatio.