Cos’è la visione artificiale e quanto è importante per le auto a guida autonoma?

Punti chiave

• Le auto a guida autonoma si affidano alla tecnologia di visione artificiale per vedere e comprendere l’ambiente circostante, consentendo loro di rilevare oggetti, identificare segnali e orientarsi sulla strada.
• La visione artificiale nelle auto a guida autonoma è costituita da un sistema di telecamere, edge computing e algoritmi di intelligenza artificiale. che lavorano insieme per raccogliere informazioni visive, elaborarle in tempo reale e identificare modelli e oggetti.
• La visione artificiale è fondamentale per raggiungere la piena autonomia delle auto a guida autonoma, poiché consente la classificazione degli oggetti, il rilevamento di corsie e segnali, l’identificazione dei segnali e il riconoscimento del traffico. Il futuro dei veicoli autonomi risiede nei progressi nell’intelligenza artificiale, nell’edge computing e nella tecnologia delle fotocamere.

Le auto a guida autonoma hanno sempre attirato l’attenzione. Anche se forse non disponiamo ancora di auto completamente autonome, disponiamo di auto con funzionalità avanzate sistemi di assistenza alla guida (ADAS) in grado di sterzare automaticamente, cambiare corsia, parcheggiare e cruise control sensibile al traffico.

Un'auto a guida autonoma utilizza numerosi sensori per i suoi ADAS, e la visione artificiale è il modo principale per rilevare, identificare e calcolare la distanza degli oggetti e dell'ambiente circostante. Senza la visione artificiale, le auto a guida autonoma dotate di cruise control e pilota automatico sono molto improbabili.

Cos'è la visione artificiale?

La visione artificiale è una tecnologia che consente alle macchine di vedere e riconoscere gli oggetti nell'ambiente circostante. È un sottoinsieme della visione artificiale che si concentra sulle applicazioni industriali del rilevamento di oggetti orientato alla visione in macchine autonome come robot e veicoli.

La visione artificiale oggi utilizza algoritmi di deep learning dell’intelligenza artificiale come le reti neurali convoluzionali (CNN) creare modelli robusti e ben generalizzati in grado di identificare con precisione oggetti in vari condizioni. Consente di implementare la visione artificiale in vari compiti che richiedono maggiore affidabilità nel settore manifatturiero, agricolo, robotico e automobilistico.

Come funziona la visione artificiale nelle auto a guida autonoma?

La visione artificiale nelle auto a guida autonoma può in genere essere suddivisa in tre parti: il sistema di telecamere, l’elaborazione (edge ​​computing) e l’intelligenza artificiale. Questo stack tecnologico consente a un veicolo autonomo di vedere, pensare e identificare segnali e ostacoli durante la guida. Discutiamo ogni parte in modo approfondito per comprendere come queste tecnologie si uniscono per formare la visione artificiale di un'auto a guida autonoma.

Sistema di telecamere

La visione artificiale si basa su sistemi di telecamere per raccogliere informazioni visive sull'ambiente. Le auto a guida autonoma utilizzano diverse telecamere installate attorno all’auto per raccogliere quante più informazioni visive possibili.

Due sensori principali vengono utilizzati nelle telecamere per la visione artificiale: semiconduttori di ossido di metallo complementare (CMOS) e dispositivi ad accoppiamento di carica (CCD). Per le auto a guida autonoma, il CMOS è spesso preferito per la sua elevata velocità di lettura e la sua potenza a bordo elettronica e capacità di elaborazione parallela, che lo rendono il sensore più veloce, anche se incline al rumore o artefatti. Soluzioni come diverse modalità di illuminazione, visione notturna digitale e filtri possono aiutare il sensore CMOS in condizioni di illuminazione non ideali.

Per le auto a guida autonoma, le telecamere vengono installate a determinate distanze l’una dall’altra per produrre una visione stereoscopica. La visione stereoscopica è la capacità di combinare due o più input visivi, creando un senso di profondità o tridimensionalità negli oggetti e nell'ambiente. Ciò, a sua volta, consente alle auto di triangolare e calcolare la distanza approssimativa tra l'oggetto e l'auto.

Poiché gli esseri umani hanno due occhi, beneficiamo anche della visione stereoscopica. Puoi testarlo tu stesso; chiudi un occhio e seleziona un piccolo oggetto dalla tua scrivania. Metti la mano sul lato dell'oggetto e assicurati che la punta dell'oggetto sia ad almeno due pollici di distanza. Prova a fare una pausa per qualche secondo e vedere quanto sei sicuro della tua approssimazione. Ora prova ad aprire entrambi gli occhi e vedi come il tuo senso della profondità è molto migliore.

Computer perimetrale

Mentre il sistema di telecamere dell'auto a guida autonoma raccoglie dati, un computer di bordo (processore periferico) elaborerà tutti gli input in tempo reale per aggiornare il sistema sullo stato dell'ambiente subito. Sebbene le tipiche attività di visione artificiale possano far risparmiare denaro utilizzando il cloud computing, ce n'è semplicemente troppo rischio che le auto a guida autonoma siano connesse al cloud, anche se si tratta di esternalizzare il processo nei suoi requisiti di visione artificiale.

L'uso di un edge computer per l'elaborazione dei dati di input elimina i problemi di latenza e garantisce che i dati vengano ricevuti, elaborati e comunicati in tempo reale. I computer edge per auto a guida autonoma utilizzano computer specializzati che integrano processori grafici AI come Tensor Core e CUDA Core di NVIDIA.

Algoritmi di intelligenza artificiale

Gli algoritmi sono sempre stati una parte cruciale della visione artificiale. L'algoritmo è ciò che consente a un computer di identificare tutti i modelli, le forme e i colori forniti dal sistema di telecamere. L’uso dell’intelligenza artificiale su algoritmi di visione artificiale più tradizionali migliora notevolmente la capacità di un’auto a guida autonoma di identificare in modo affidabile oggetti, segnali stradali, segnaletica orizzontale e semafori. Molti algoritmi di intelligenza artificiale vengono utilizzati per addestrare le auto a guida autonoma. I più popolari includono:

• YOLO (Guardi solo una volta): Un algoritmo di rilevamento degli oggetti in tempo reale che identifica e traccia gli oggetti nel campo visivo dell'auto.
• SIFT (Scale-Icar'sant Feature Transform): Utilizzato per l'estrazione delle caratteristiche, aiuta l'auto a riconoscere punti di riferimento e oggetti distintivi nell'ambiente circostante.
• Istogramma dei gradienti orientati (HOG): Utilizzato per il riconoscimento degli oggetti, si concentra sull'estrazione di modelli e gradienti locali dalle immagini.
• TextonBoost: Un algoritmo che aiuta nel riconoscimento degli oggetti analizzando le trame nell'ambiente.
• AdaBoost: Impiegato per la classificazione dei dati, AdaBoost combina più classificatori deboli per prendere decisioni efficaci sugli oggetti e sugli ostacoli sul percorso del veicolo.

L’importanza della visione artificiale nelle auto a guida autonoma

La visione artificiale è il modo principale con cui un’auto a guida autonoma percepisce e comprende l’ambiente circostante. Senza la visione artificiale, è molto probabile che le auto a guida autonoma torneranno al Livello 1 scala di autonomia del veicolo e potrebbero non raggiungere mai la piena autonomia.

Grazie alla visione artificiale, le auto a guida autonoma sono ora in grado di classificare oggetti, rilevare corsie e segnali, identificare segnali e riconoscere il traffico.

Sebbene molti veicoli a guida autonoma ora utilizzino vari sensori, come LIDAR, RADAR e SONAR, tutti fanno molto affidamento su visione artificiale per vedere l'ambiente, identificare oggetti e comprendere il significato di segnali e semafori sul strada. Tutti questi sensori aggiuntivi sono lì solo per migliorare la visione artificiale e promuovere la sicurezza di persone, animali e proprietà.

Detto questo, la visione artificiale può funzionare in modo indipendente senza l’aiuto di altri sensori per fornire funzionalità di pilota automatico. In effetti, le più recenti auto a guida autonoma di Tesla hanno abbandonato il RADAR e ora si affidano esclusivamente alla visione artificiale per il loro sistema di pilota automatico.

Sebbene ciò non significhi nulla in termini di screditamento dell’utilità di altre tecnologie di sensori, dimostra l’importanza e la potenza della visione artificiale nelle auto a guida autonoma.

Il futuro della visione artificiale nei veicoli autonomi

La visione artificiale è il fondamento delle auto a guida autonoma. Attraverso la visione artificiale, le automobili possono vedere e percepire l’ambiente esattamente come fanno gli esseri umani. Anche se le sfide persistono, i vantaggi della visione artificiale in termini di sicurezza e navigazione non possono essere sottovalutati. Per quanto riguarda il futuro dei veicoli autonomi, eventuali ulteriori progressi nell’intelligenza artificiale, nell’edge computing e/o nella fotocamera la tecnologia renderà sicuramente le auto a guida autonoma più efficienti, il che probabilmente le porterà a un livello più elevato automazione.