¿Qué es la visión artificial y qué importancia tiene para los vehículos autónomos?

Conclusiones clave

• Los vehículos autónomos dependen de la tecnología de visión artificial para ver y comprender su entorno, lo que les permite detectar objetos, identificar señales y navegar por la carretera.
• La visión artificial en los vehículos autónomos consta de un sistema de cámaras, computación de vanguardia y algoritmos de inteligencia artificial. que trabajan juntos para recopilar información visual, procesarla en tiempo real e identificar patrones y objetos.
• La visión artificial es crucial para lograr la autonomía total en los vehículos autónomos, ya que permite la clasificación de objetos, la detección de carriles y señales, la identificación de señales y el reconocimiento del tráfico. El futuro de los vehículos autónomos reside en los avances en inteligencia artificial, informática de punta y tecnología de cámaras.

Los coches autónomos siempre han llamado la atención. Aunque es posible que todavía no tengamos coches totalmente autónomos, tenemos coches con funciones avanzadas. Sistemas de asistencia al conductor (ADAS) capaces de realizar dirección automática, cambio de carril, estacionamiento y control de crucero consciente del tráfico.

Un automóvil autónomo utiliza numerosos sensores para su ADAS, siendo la visión artificial la forma principal de detectar, identificar y calcular la distancia de los objetos y el entorno general. Sin visión artificial, es muy poco probable que existan vehículos autónomos con control de crucero y piloto automático.

¿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 la visión por computadora que se centra en las aplicaciones industriales de detección de objetos orientada a la visión en máquinas autónomas como robots y vehículos.

La visión artificial actual utiliza algoritmos de aprendizaje profundo de IA, como las redes neuronales convolucionales (CNN). para crear modelos robustos y bien generalizados que puedan identificar con precisión objetos en varios condiciones. Permite implementar la visión artificial en diversas tareas que requieren una mayor confiabilidad en la fabricación, la agricultura, la robótica y la automoción.

¿Cómo funciona la visión artificial en los vehículos autónomos?

La visión artificial en los vehículos autónomos normalmente se puede dividir en tres partes: el sistema de cámara, el procesamiento (computación de vanguardia) y la inteligencia artificial. Esta pila de tecnología permite que un vehículo autónomo vea, piense e identifique señales y obstáculos mientras conduce. Analicemos cada parte en profundidad para comprender cómo estas tecnologías se unen para formar la visión artificial de 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 emplean varias 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: semiconductores complementarios de óxido metálico (CMOS) y dispositivos de carga acoplada (CCD). Para los vehículos autónomos, a menudo se prefiere el CMOS por su rápida velocidad de lectura y su potente Electrónica y capacidades de procesamiento paralelo, lo que lo convierte en el sensor más rápido, aunque propenso al ruido. o artefactos. 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 visión 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.

Como los humanos tenemos dos ojos, también nos beneficiamos de la visión estereoscópica. Puedes probarlo tú mismo; cierra un ojo y selecciona un objeto pequeño de tu escritorio. Coloque su mano en el costado del objeto y asegúrese de que la punta del mismo esté al menos a dos pulgadas de distancia. Intente hacer una pausa de unos segundos y vea qué tan seguro está con su aproximación. Ahora, prueba a abrir ambos ojos y verás como tu sensación de profundidad es mucho mejor.

Computadora de borde

Mientras el sistema de cámaras del vehículo autónomo recopila datos, una computadora a bordo (procesador de borde) procesará todas las entradas en tiempo real para actualizar el sistema sobre el estado del medio ambiente inmediatamente. Aunque las tareas típicas de visión artificial pueden ahorrar dinero utilizando la computación en la nube, simplemente hay demasiado Riesgo de que los coches autónomos se conecten a la nube, incluso si es para subcontratar el proceso en sus requisitos de visión artificial.

El uso de una computadora perimetral para procesar datos de entrada elimina los problemas de latencia y garantiza que los datos se reciban, procesen y comuniquen en tiempo real. Las computadoras perimetrales para automóviles autónomos utilizan computadoras especializadas que integran procesadores gráficos de IA como Tensor Core y CUDA Cores de NVIDIA.

Algoritmos de IA

Los algoritmos siempre han sido una parte crucial de la visión artificial. El algoritmo es lo que permite a una computadora identificar todos los patrones, formas y colores proporcionados por el sistema de cámara. El uso de IA en lugar de algoritmos de visión artificial más tradicionales mejora en gran medida la capacidad de un automóvil autónomo para identificar de manera confiable objetos, señales de tránsito, marcas viales y semáforos. Se están utilizando 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 (Transformación de características de Scale-Icar): Utilizado para la extracción de características, ayuda al automóvil a reconocer puntos de referencia y objetos distintivos en su entorno.
• Histograma de gradientes orientados (HOG): Utilizado para el reconocimiento de objetos, se centra en extraer patrones y degradados locales de las imágenes.
• TextonBoost: Un algoritmo que ayuda con el reconocimiento de objetos mediante el análisis de texturas en el entorno.
• AdaBoost: Empleado para la clasificación de datos, AdaBoost combina múltiples clasificadores débiles para tomar decisiones sólidas sobre los objetos y obstáculos en el camino del vehículo.

La importancia de la visión artificial en los vehículos autónomos

La visión artificial es la principal forma que tiene un vehículo autónomo de sentir y comprender su entorno. Sin visión artificial, es muy probable que los coches autónomos vuelvan al nivel 1 en el mercado. escala de autonomía del vehículo y es posible que nunca alcance la plena autonomía.

Con la visión artificial, los vehículos autónomos ahora son capaces de 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 visión artificial para ver el entorno, identificar objetos y comprender el significado de las señales y semáforos en la carretera. camino. Todos estos sensores adicionales sólo están ahí para aumentar la visión artificial y mejorar la seguridad de las personas, los animales y las propiedades.

Dicho esto, la visión artificial puede funcionar de forma independiente sin la ayuda de otros sensores para proporcionar capacidades de piloto automático. De hecho, los coches autónomos más nuevos de Tesla eliminaron el RADAR y ahora dependen únicamente de la visión artificial para su sistema de piloto automático.

Aunque esto no significa nada en términos de desacreditar la utilidad de otras tecnologías de sensores, sí muestra la importancia y el poder de la visión artificial en los vehículos autónomos.

El futuro de la visión artificial en vehículos autónomos

La visión artificial es la base de los vehículos autónomos. A través de la visión artificial, los automóviles pueden ver y percibir el entorno exactamente como lo hacen los humanos. Si bien persisten los 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, computación de vanguardia y/o cámaras La tecnología seguramente hará que los autos autónomos sean más competentes, lo que probablemente los llevará a un nivel más alto de automatización.