web Autonomne.cz

odkaz na homepage

Posílení bezpečnosti autonomních vozidel pomocí systému detekce objektů

Aby se počet samořiditelných vozidel na veřejných komunikacích po celém světě mohl rozšířit, musí výrobci zavést metodické, účinné a přesné detekční systémy pro zvýšení bezpečnosti a spolehlivosti pro cestující.

K tomu, aby se vozidla mohla pohybovat autonomně, bezpečně a spolehlivě v širokém spektru prostředí, je třeba využít řadu technologií týkajících se zpracování signálu, zpracování obrazu, hlubokého učení, umělé inteligence, edge computingu a internetu věcí. Pro zajištění bezpečného zážitku z jízdy je pro autonomní vozidla nezbytné kromě porozumění potenciálním hrozbám pro cestující také přesně sledovat a rozlišovat své okolí. Z tohoto důvodu autonomní vozidla využívají více druhů senzorů, např. lidar, radar, nebo kamery, které produkují značné množství dat.

Účinné zpracování a interpretace těchto shromážděných informací je zásadní, pokud mají autonomní vozidla identifikovat chodce a další účastníky silničního provozu. Toho lze dosáhnout integrací pokročilých výpočetních metod a internetu věcí do těchto vozidel, což umožňuje efektivní zpracování dat v místě jejich vzniku a rychlejší navigaci v různých prostředích. Mezinárodnímu týmu z Incheon National vedený profesorem Gwanggilem Jeonem z Korei, vyvinul neuronovou síť, která ve spojení s internetem věcí detekuje 2D a 3D objekty s vysokou přesností, která se pohybuje na úrovni více než 96 %. 

Detekce a klasifikace účastníků dopravního provozu (foto: Nvidia)
 

Nová metoda překonává současné metody jejichž průměrná přesnost se pohybuje okolo 70 % .Pro identifikaci objektů v reálném čase z nashromážděných obrázků a mračen bodů byl využit algoritmus YOLOv3, který pomocí umělé inteligence předměty zájmu identifikuje a roztřídí do skupin podle podobnosti vlastností jednotlivých objektů. Následně tým testoval výkon algoritmu pomocí sady dat od provozovatele autonomních vozidel Lyft a první výsledky ukázaly, že YOLOv3 dosáhl velmi vysoké přesnosti detekce. Nespornou výhodou tohoto modelu je, že jej lze aplikovat v široké škále aplikací a zároveň může významně přispět ke zvýšení bezpečnosti provozu autonomních vozidel, která tak může s podobnými výzkumnými projekty dále vzkvétat.