Los coches autónomos llevan mucho tiempo despertando interés. Aunque todavía no existen automóviles totalmente autónomos, sí tenemos automóviles que cuentan con sistemas avanzados de asistencia al conductor (ADAS) capaces de realizar dirección automática, cambios de carril, estacionamiento automático y control de crucero adaptativo.
Los vehículos autónomos dependen en gran medida de sistemas de visión artificial para reconocer el entorno y tomar decisiones basadas en la información obtenida. Esta tecnología puede incluir una variedad de hardware y software que permiten a los automóviles analizar imágenes y videos y utilizarlos para la navegación, la prevención de accidentes y una mejor experiencia de conducción en general.
Un coche autónomo utiliza varios sensores para su sistema de asistencia al conductor, siendo la visión artificial el método principal para detectar, identificar y calcular la distancia entre los objetos y el entorno general. Sin visión artificial, es muy poco probable que existan automóviles autónomos con control de crucero y conducción semiautomática.
En este artículo, exploraremos los conceptos básicos de la tecnología de visión artificial y su importancia en los vehículos autónomos. Profundizaremos en cómo funciona esta tecnología y cómo ayuda a alcanzar los objetivos de la conducción automatizada. También discutiremos los desafíos que enfrenta la tecnología de visión artificial y las innovaciones futuras esperadas en este campo. Verificar Todo lo que necesitas saber sobre los coches autónomos y cómo funcionan.
¿Qué es la visión artificial?
La visión artificial es una tecnología que permite a las máquinas ver y reconocer objetos en su entorno. Es un subconjunto de visión por computador Que se centra en aplicaciones industriales de detección de objetos orientada a la visión en máquinas autónomas como robots y vehículos.
La visión artificial actual utiliza algoritmos de inteligencia artificial de aprendizaje profundo, como redes neuronales convolucionales (CNN), para crear modelos robustos y bien generalizados que pueden identificar objetos con precisión en diversas condiciones. Permite implementar la visión artificial en diversas tareas que requieren una mayor confiabilidad en la fabricación, la agricultura, la robótica y los automóviles.
¿Cómo funciona la visión artificial en los vehículos autónomos?
La visión artificial en los vehículos autónomos generalmente se puede dividir en tres partes: el sistema de cámaras, el procesamiento (computación de borde) y la inteligencia artificial. Este paquete de tecnología permite a los coches autónomos ver, pensar e identificar diferentes señales y obstáculos mientras conducen. Analicemos cada parte en profundidad para comprender cómo estas tecnologías se conectan para formar una visión artificial para un automóvil autónomo.
Sistema de cámara
La visión artificial se basa en sistemas de cámaras para recopilar información visual sobre el medio ambiente. Los vehículos autónomos utilizan múltiples cámaras instaladas alrededor del vehículo para recopilar la mayor cantidad de información visual posible.
En las cámaras de visión artificial se utilizan dos sensores principales: semiconductor complementario de óxido metálico (CMOS) y dispositivos de carga acoplada (CCD). Para los vehículos autónomos, a menudo se prefiere la tecnología CMOS debido a su rápida velocidad de lectura, su potente electrónica y sus capacidades de procesamiento paralelo, lo que lo convierte en el sensor más rápido. Soluciones como diferentes modos de iluminación, visión nocturna digital y filtros pueden ayudar al sensor CMOS en condiciones de iluminación no ideales.
Para los vehículos autónomos, las cámaras se instalan a determinadas distancias entre sí para producir una vista estereoscópica. La visión estereoscópica es la capacidad de combinar dos o más entradas visuales, creando una sensación de profundidad o tridimensionalidad en los objetos y el entorno. Esto, a su vez, permite a los coches triangular y calcular la distancia aproximada entre el objeto y el coche.
Dado que los humanos tenemos dos ojos, también nos beneficiamos de la visión estereoscópica. Puedes experimentar esta visión por ti mismo; Cierra un ojo y toma un objeto pequeño de tu escritorio. Coloque su mano en el costado del objeto y asegúrese de que la punta del objeto esté al menos a dos pulgadas de distancia. Intente hacer una pausa de unos segundos y observe la confianza que tiene en su aproximación. Ahora, intenta abrir ambos ojos y observa cuánto mejor ha mejorado tu sentido de profundidad. Verificar ¿Cómo funciona una cámara de visión envolvente de 360° en un automóvil?
Computación de borde
Edge Computing es el proceso de reunir las capacidades informáticas y de almacenamiento de información del dispositivo que produce esos datos y los usuarios que interactúan con ellos. Tradicionalmente, las aplicaciones transferían datos desde dispositivos inteligentes, como sensores y teléfonos inteligentes, a un centro de datos central para su procesamiento. Sin embargo, la complejidad y el volumen de datos sin precedentes excedieron las capacidades de la red. Los sistemas de computación perimetral acercan la potencia de procesamiento a los usuarios y dispositivos, mejorando drásticamente el rendimiento de las aplicaciones, reduciendo los requisitos de ancho de banda de la red y brindando información más rápida y en tiempo real.
Mientras el sistema de cámara del vehículo autónomo recopila datos, la computadora del vehículo (procesador de borde) procesará todas las entradas en tiempo real para actualizar el sistema sobre el estado del medio ambiente al instante. Aunque las tareas típicas de visión artificial pueden ahorrar dinero mediante el uso de la computación en la nube, simplemente existen demasiados riesgos para que los automóviles autónomos se conecten a la nube, incluso si es porque el proceso de los requisitos de visión artificial está subcontratado.
El uso de una computadora de alta gama para procesar los datos de entrada elimina los problemas de latencia y garantiza que los datos se reciban, procesen y transmitan en tiempo real. Las computadoras avanzadas para vehículos autónomos utilizan computadoras especializadas que integran procesadores gráficos de IA como Tensor Core y CUDA Cores de NVIDIA. Verificar ¿Qué son los aceleradores de IA AMD Instinct?
Algoritmos de inteligencia artificial
Los algoritmos siempre han sido una parte importante de la visión artificial. El algoritmo es lo que permite a la computadora reconocer todos los patrones, formas y colores proporcionados por el sistema de cámaras. El uso de inteligencia artificial en lugar de algoritmos tradicionales de visión artificial mejora en gran medida la capacidad de un automóvil autónomo para identificar de manera confiable objetos, señales de tránsito, marcas viales y semáforos. Se utilizan muchos algoritmos de inteligencia artificial para entrenar vehículos autónomos. Los más populares incluyen:
- YOLO (Solo miras una vez): un algoritmo de detección de objetos en tiempo real que identifica y rastrea objetos en el campo de visión del automóvil.
- SIFT (Conversión de características de Scale-Icar): se utiliza para extraer características y ayuda al automóvil a reconocer puntos de referencia y objetos distintivos en su entorno.
- Histograma de gradientes dirigidos (HOG): Utilizado para el reconocimiento de objetos, se centra en extraer patrones y gradientes locales de imágenes.
- TextonBoost: Un algoritmo que ayuda a identificar objetos analizando texturas en el entorno.
- AdaBoost: Utilizado para clasificar datos, AdaBoost combina varios clasificadores débiles para tomar decisiones sólidas sobre objetos y obstáculos en el camino de un vehículo.
La importancia de la visión artificial en los coches autónomos
La visión artificial es la principal forma en que un vehículo autónomo detecta y comprende su entorno. Sin la visión artificial, los coches autónomos probablemente quedarían relegados al nivel uno en la escala de autonomía del vehículo y es posible que nunca alcancen la autonomía total.
Gracias a la visión artificial, los vehículos autónomos ahora pueden clasificar objetos, detectar carriles y señales, identificar señales y reconocer el tráfico.
Aunque muchos vehículos autónomos ahora utilizan varios sensores, como LIDAR, RADAR y SONAR, todos dependen en gran medida de la visión artificial para ver el entorno, identificar objetos y comprender el significado de las señales y señales de tráfico en la carretera. Todos estos sensores adicionales están ahí sólo para mejorar la visión artificial y mejorar la seguridad de las personas, los animales y las propiedades.
Sin embargo, la visión artificial puede funcionar de forma autónoma sin la ayuda de otros sensores para proporcionar capacidades de control automático. De hecho, los últimos coches autónomos de Tesla han abandonado el sistema de radar y ahora dependen únicamente de la visión artificial de su sistema Autopilot.
Aunque esto no significa nada en términos de cuestionar la utilidad de otras tecnologías de detección, sí muestra la importancia y el poder de la visión artificial en los vehículos autónomos. Verificar Los sistemas de asistencia al conductor más avanzados en automóviles.
preguntas comunes
P1. ¿Qué es la tecnología de visión artificial en los vehículos autónomos?
La tecnología de visión artificial es un sistema que se basa en hardware y software para analizar y utilizar imágenes y videoclips para permitir que los vehículos autónomos reconozcan el entorno que los rodea y tomen las decisiones necesarias mientras conducen.
P2. ¿Cómo funciona la tecnología de visión artificial en los automóviles?
El coche está equipado con múltiples cámaras y sensores que capturan imágenes y vídeos de su entorno. Estos datos se procesan mediante software avanzado para analizar imágenes y reconocer diferentes objetos y puntos de referencia en la carretera.
P3. ¿Cuál es la importancia de la tecnología de visión artificial en la conducción autónoma?
La tecnología de visión artificial es fundamental para la conducción autónoma, ya que le permite reconocer señales de tráfico, otros vehículos y obstáculos en la carretera. Esta información en vivo es la base para la toma de decisiones automatizada, incluida la dirección del vehículo y la prevención de accidentes.
P4. ¿Cuáles son los desafíos que enfrenta la tecnología de visión artificial?
Los desafíos que enfrenta la tecnología de visión artificial incluyen factores como condiciones climáticas adversas como niebla y lluvia, dificultad para reconocer objetos en completa oscuridad y protección y privacidad de datos.
P5. ¿Cuáles son los desarrollos futuros esperados en este campo?
Se espera que la tecnología de visión artificial evolucione continuamente, con mejores aplicaciones de inteligencia artificial y capacidades mejoradas de detección y reconocimiento de imágenes. También es posible ampliar el uso de esta tecnología a otros ámbitos fuera del automóvil. Verificar ¿Cómo funciona el control de crucero en los vehículos?
El futuro de la visión artificial en los coches autónomos
La visión artificial es la base de los vehículos autónomos. Con la visión artificial, los automóviles pueden ver y percibir el entorno tal como lo hacen los humanos. Aunque persisten desafíos, no se pueden subestimar los beneficios de la visión artificial en términos de seguridad y navegación. En cuanto al futuro de los vehículos autónomos, cualquier avance adicional en inteligencia artificial, informática de punta y/o tecnología de cámaras hará que los vehículos autónomos sean más eficientes, lo que probablemente los llevará a un mayor nivel de automatización. Ahora puedes ver Hacks de cargadores de automóviles eléctricos: ¿debería preocuparse?
