Os carros autônomos há muito despertam interesse. Embora ainda não existam carros totalmente autônomos, temos carros que apresentam sistemas avançados de assistência ao motorista (ADAS) capazes de direção automática, mudanças de faixa, estacionamento automático e controle de cruzeiro adaptativo.
Os carros autônomos dependem fortemente de sistemas de visão artificial para reconhecer o ambiente e tomar decisões com base nas informações obtidas. Essa tecnologia pode incluir uma variedade de hardware e software que permitem aos carros analisar imagens e vídeos e utilizá-los para navegação, prevenção de acidentes e melhoria geral da experiência de direção.
Um carro autônomo usa muitos sensores para seu sistema de assistência ao motorista, sendo a visão mecânica o principal método para detectar, identificar e calcular a distância entre objetos e o ambiente geral. Sem visão mecânica, é muito improvável que existam carros autônomos com controle de cruzeiro e direção semiautomática.
Neste artigo, exploraremos os fundamentos da tecnologia de visão mecânica e sua importância em carros autônomos. Iremos nos aprofundar em como essa tecnologia funciona e como ela ajuda a atingir os objetivos da direção automatizada. Também discutiremos os desafios enfrentados pela tecnologia de visão mecânica e as inovações futuras esperadas neste campo. Verificar Tudo o que você precisa saber sobre carros autônomos e como eles funcionam.
O que é visão de máquina?
A visão mecânica é uma tecnologia que permite às máquinas ver e reconhecer objetos ao seu redor. É um subconjunto de visão computacional Que se concentra em aplicações industriais de detecção de objetos orientada à visão em máquinas autônomas, como robôs e veículos.
A visão mecânica atual usa algoritmos de IA de aprendizado profundo, como redes neurais convolucionais (CNNs), para criar modelos robustos e bem generalizados que podem identificar objetos com precisão em diversas condições. Torna possível implementar a visão mecânica em diversas tarefas que exigem maior confiabilidade na fabricação, agricultura, robótica e automóveis.
Como funciona a visão mecânica em carros autônomos?
A visão mecânica em carros autônomos geralmente pode ser dividida em três partes: o sistema de câmera, o processamento (computação de ponta) e a inteligência artificial. Este conjunto de tecnologia permite que carros autônomos vejam, pensem e identifiquem diferentes sinais e obstáculos enquanto dirigem. Vamos discutir cada parte em profundidade para entender como essas tecnologias se conectam para formar uma visão mecânica para um carro autônomo.
Sistema de câmera
A visão mecânica depende de sistemas de câmeras para coletar informações visuais sobre o ambiente. Os carros autônomos usam várias câmeras instaladas ao redor do carro para coletar o máximo de informações visuais possível.
Dois sensores principais são usados em câmeras de visão de máquina: semicondutores de óxido metálico complementar (CMOS) e dispositivos de carga acoplada (CCD). Para carros autônomos, a tecnologia CMOS é frequentemente preferida devido à sua rápida velocidade de leitura, eletrônica poderosa e capacidade de processamento paralelo, tornando-o o sensor mais rápido. Soluções como diferentes modos de iluminação, visão noturna digital e filtros podem ajudar o sensor CMOS durante condições de iluminação abaixo das ideais.
Para carros autônomos, as câmeras são instaladas a certas distâncias umas das outras para produzir uma visão estereoscópica. A visão estereoscópica é a capacidade de combinar duas ou mais entradas visuais, criando uma sensação de profundidade ou tridimensionalidade nos objetos e no ambiente. Isso, por sua vez, permite que os carros triangulem e calculem a distância aproximada entre o objeto e o carro.
Como os humanos têm dois olhos, também nos beneficiamos da visão estéreo. Você pode vivenciar essa visão por si mesmo; Feche um olho e escolha um pequeno objeto em sua mesa. Coloque a mão na lateral do objeto e certifique-se de que a ponta do objeto esteja a pelo menos cinco centímetros de distância. Experimente fazer uma pausa por alguns segundos e observe o quanto você está confiante em sua aproximação. Agora, tente abrir os dois olhos e veja como seu senso de profundidade ficou muito melhor. Verificar Como funciona uma câmera de visão surround de 360 ° em um carro?
Computação de ponta
Edge computing é o processo de reunir o armazenamento de informações e os recursos de computação do dispositivo que produz esses dados e dos usuários que interagem com eles. Tradicionalmente, os aplicativos transferiam dados de dispositivos inteligentes, como sensores e smartphones, para um data center central para processamento. No entanto, a complexidade e o volume de dados sem precedentes excederam as capacidades da rede. Os sistemas de edge computing aproximam o poder de processamento dos usuários e dispositivos, melhorando drasticamente o desempenho dos aplicativos, reduzindo os requisitos de largura de banda da rede e fornecendo insights mais rápidos e em tempo real.
Enquanto o sistema de câmeras do carro autônomo coleta dados, o computador do carro (processador de borda) processará todas as entradas em tempo real para atualizar o sistema sobre o estado do ambiente instantaneamente. Embora as tarefas típicas de visão mecânica possam economizar dinheiro usando a computação em nuvem, há simplesmente muitos riscos para carros autônomos se conectarem à nuvem, mesmo que seja porque o processo de requisitos de visão mecânica é terceirizado.
Usar um computador de última geração para processar dados de entrada elimina problemas de latência e garante que os dados sejam recebidos, processados e transmitidos em tempo real. Computadores avançados para carros autônomos usam computadores especializados que integram processadores gráficos de IA, como Tensor Core e CUDA Cores da NVIDIA. Verificar O que são os aceleradores AMD Instinct AI?
Algoritmos de inteligência artificial
Algoritmos sempre foram uma parte importante da visão mecânica. O algoritmo é o que permite ao computador reconhecer todos os padrões, formas e cores fornecidos pelo sistema de câmeras. O uso de inteligência artificial em vez de algoritmos tradicionais de visão de máquina aumenta muito a capacidade de um carro autônomo de identificar objetos, sinais de trânsito, marcações rodoviárias e sinais de trânsito de maneira confiável. Muitos algoritmos de inteligência artificial são usados para treinar carros autônomos. Os mais populares incluem:
- YOLO (Você só olha uma vez): Um algoritmo de detecção de objetos em tempo real que identifica e rastreia objetos no campo de visão do carro.
- SIFT (Scale-Icar'sant Feature Conversion): Usado para extrair recursos, ajuda o carro a reconhecer pontos de referência e objetos distintos em seu entorno.
- Histograma de gradientes direcionados (HOG): Usado para reconhecimento de objetos, concentra-se na extração de padrões e gradientes locais de imagens.
- TextonBoost: Um algoritmo que ajuda a identificar objetos analisando texturas no ambiente.
- Ada Boost: Usado para classificar dados, o AdaBoost combina vários classificadores fracos para tomar decisões robustas sobre objetos e obstáculos no caminho de um veículo.
A importância da visão mecânica em carros autônomos
A visão mecânica é a principal forma pela qual um carro autônomo sente e entende o que está ao seu redor. Sem a visão mecânica, os carros autônomos muito provavelmente seriam relegados ao nível um na escala de autonomia dos veículos e talvez nunca alcancem a autonomia total.
Graças à visão mecânica, os carros autônomos agora são capazes de classificar objetos, detectar faixas e sinais, identificar sinais e reconhecer o tráfego.
Embora muitos carros autônomos agora usem vários sensores, como LIDAR, RADAR e SONAR, todos eles dependem fortemente da visão mecânica para ver o ambiente, identificar objetos e compreender o significado dos sinais e sinais de trânsito na estrada. Todos esses sensores adicionais existem apenas para aprimorar a visão mecânica e aumentar a segurança de pessoas, animais e propriedades.
No entanto, a visão mecânica pode operar de forma autônoma, sem a assistência de outros sensores, para fornecer capacidades de controle automático. Na verdade, os mais recentes carros autônomos da Tesla abandonaram o sistema de radar e agora dependem apenas da visão mecânica do seu sistema de piloto automático.
Embora isso não signifique nada em termos de questionar a utilidade de outras tecnologias de detecção, mostra a importância e o poder da visão mecânica em carros autônomos. Verificar Os sistemas de assistência ao motorista mais avançados em carros.
perguntas comuns
Q1. O que é tecnologia de visão mecânica em carros autônomos?
A tecnologia de visão mecânica é um sistema que depende de hardware e software para analisar e utilizar imagens e videoclipes para permitir que carros autônomos reconheçam o ambiente ao seu redor e tomem as decisões necessárias enquanto dirigem.
Q2. Como funciona a tecnologia de visão mecânica nos carros?
O carro está equipado com múltiplas câmeras e sensores que capturam imagens e vídeos do entorno. Esses dados são processados usando software avançado para analisar imagens e reconhecer diferentes objetos e pontos de referência na estrada.
Q3. Qual é a importância da tecnologia de visão mecânica na direção autônoma?
A tecnologia de visão mecânica é fundamental para a condução autônoma, pois permite reconhecer sinais de trânsito, outros veículos e obstáculos na estrada. Essas informações ao vivo são a base para a tomada de decisões automatizadas, incluindo direção de veículos e prevenção de acidentes.
Q4. Quais são os desafios enfrentados pela tecnologia de visão mecânica?
Os desafios enfrentados pela tecnologia de visão artificial incluem fatores como condições climáticas adversas, como neblina e chuva, dificuldade em reconhecer objetos na escuridão total e proteção e privacidade de dados.
Q5. Quais são os desenvolvimentos futuros esperados neste domínio?
Espera-se que a tecnologia de visão mecânica evolua continuamente, com melhores aplicações de inteligência artificial e melhores capacidades de detecção e reconhecimento de imagem. Também é possível expandir o uso desta tecnologia para outras áreas fora dos automóveis. Verificar Como funciona o controle de cruzeiro em veículos?
O futuro da visão mecânica em carros autônomos
A visão mecânica é a base dos carros autônomos. Com a visão mecânica, os carros podem ver e perceber o ambiente assim como os humanos. Embora os desafios permaneçam, os benefícios da visão mecânica em termos de segurança e navegação não podem ser subestimados. Quanto ao futuro dos veículos autónomos, quaisquer avanços adicionais na inteligência artificial, na computação de ponta e/ou na tecnologia de câmaras tornarão os carros autónomos mais eficientes, o que provavelmente os levará a um nível mais elevado de automação. Você pode ver agora Hacks de carregador de carro elétrico: você deve se preocupar?
