Cos'è la computer vision e quali sono le sfide che pone nel mondo delle auto a guida autonoma?
Le auto a guida autonoma sono un argomento controverso e affascinante, poiché si basano su sistemi avanzati di assistenza alla guida (ADAS) per raggiungere un elevato livello di sicurezza e comfort. Sebbene non esistano ancora automobili completamente autonome, le tecnologie attuali consentono funzioni quali lo sterzo automatico e il parcheggio autonomo.
Queste auto utilizzano sistemi avanzati di visione artificiale per analizzare l'ambiente circostante e prendere decisioni intelligenti, basandosi su una serie di sensori. In questo articolo analizzeremo le basi della visione artificiale e il modo in cui questa migliora l'efficacia della guida autonoma, nonché le sfide e le innovazioni future previste in questo campo.
Cos'è la visione artificiale?
La visione artificiale è una tecnologia che consente alle macchine di vedere e riconoscere gli oggetti nel loro ambiente. Si tratta di un sottoinsieme della visione che si concentra sulle applicazioni industriali del rilevamento di oggetti orientato alla visione in macchine autonome come robot e veicoli.
L'attuale visione artificiale sfrutta algoritmi di intelligenza artificiale basati sull'apprendimento profondo, come le reti neurali convoluzionali (CNN), per creare modelli robusti e ben generalizzati in grado di identificare con precisione gli oggetti in diverse condizioni. Permette di implementare la visione artificiale in vari compiti che richiedono maggiore affidabilità nei settori della produzione, dell'agricoltura, della robotica e dell'automotive.
Come funziona la visione artificiale nelle auto a guida autonoma?
La visione artificiale nelle auto a guida autonoma può essere generalmente suddivisa in tre parti: il sistema di telecamere, l'elaborazione (edge computing) e l'intelligenza artificiale. Questa serie di tecnologie consente alle auto autonome di vedere, considerare e identificare diversi segnali e ostacoli durante la guida. Analizziamo in dettaglio ogni parte per capire come queste tecnologie si collegano tra loro per creare una visione artificiale per 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 più telecamere installate attorno al veicolo per raccogliere quante più informazioni visive possibili.
Due sensori principali vengono utilizzati nelle telecamere per la visione artificiale: semiconduttore di ossido di metallo complementare (CMOS) e dispositivi ad accoppiamento di carica (CCD). Per le auto a guida autonoma, la tecnologia CMOS è spesso preferita grazie alla sua elevata velocità di lettura, alla potente elettronica e alle capacità di elaborazione parallela, che la rendono il sensore più veloce. 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 mettere alla prova questa visione tu stesso; Chiudi un occhio e prendi un piccolo oggetto dalla tua scrivania. Posiziona la mano sul lato dell'oggetto e assicurati che la punta dell'oggetto sia ad almeno cinque centimetri di distanza. Prova a fermarti per qualche secondo e nota quanta sicurezza ti senti nella tua approssimazione. Ora prova ad aprire entrambi gli occhi e osserva quanto migliora la tua percezione della profondità.
Informatica perimetrale
L'edge computing è il processo che avvicina l'archiviazione delle informazioni e la potenza di calcolo al dispositivo che genera tali dati e agli utenti che interagiscono con esso. Tradizionalmente, le applicazioni trasmettevano dati da dispositivi intelligenti, come sensori e smartphone, a un centro dati centrale per l'elaborazione. Tuttavia, la complessità e il volume di dati senza precedenti superavano le capacità della rete. I sistemi di edge computing avvicinano le capacità di elaborazione agli utenti e ai dispositivi, migliorando notevolmente le prestazioni delle applicazioni, riducendo i requisiti di larghezza di banda della rete e fornendo informazioni più rapide e in tempo reale.
Mentre il sistema di telecamere dell'auto a guida autonoma raccoglie dati, il computer di bordo (processore edge) elaborerà tutti gli input in tempo reale per aggiornare immediatamente il sistema sullo stato dell'ambiente circostante. Sebbene le tipiche attività di computer vision possano far risparmiare denaro utilizzando il cloud computing, sono semplicemente troppi i rischi per le auto a guida autonoma che si limitano al cloud, anche se ciò è dovuto all'esternalizzazione del processo per i requisiti di machine vision.
L'utilizzo di un computer sofisticato per elaborare i dati di input elimina i problemi di latenza e garantisce che i dati vengano ricevuti, elaborati e trasmessi in tempo reale. I computer avanzati per le 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 hanno sempre avuto un ruolo importante nella visione artificiale. L'algoritmo è ciò che consente al computer di riconoscere tutti i modelli, le forme e i colori forniti dal sistema della telecamera. L'utilizzo dell'intelligenza artificiale al posto dei tradizionali algoritmi di visione artificiale migliora notevolmente la capacità di un'auto a guida autonoma di identificare in modo affidabile oggetti, segnali stradali, segnaletica orizzontale e semafori. Per addestrare le auto a guida autonoma vengono utilizzati molti algoritmi di intelligenza artificiale. Tra i più popolari troviamo:
- YOLO (You Only Look Once): 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 Conversion): utilizzato per estrarre caratteristiche, aiuta l'auto a riconoscere punti di riferimento e oggetti distintivi nell'ambiente circostante.
- Istogramma dei gradienti diretti (HOG): utilizzato per il riconoscimento degli oggetti, si concentra sull'estrazione di modelli e gradienti locali dalle immagini.
- TextonBoost: Un algoritmo che aiuta a identificare gli oggetti analizzando le trame nell'ambiente.
- AdaBoost: Utilizzato per classificare i dati, AdaBoost combina diversi classificatori deboli per prendere decisioni solide su oggetti e ostacoli sul percorso di un veicolo.
L'importanza della visione artificiale nelle auto a guida autonoma
La visione artificiale è il mezzo principale attraverso cui un'auto a guida autonoma percepisce e comprende l'ambiente circostante. Senza la visione artificiale, le auto a guida autonoma saranno probabilmente relegate al Livello 1 sulla scala di autonomia dei veicoli 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 molte auto a guida autonoma utilizzino ormai vari sensori, come LIDAR, RADAR e SONAR, tutte si affidano in larga misura alla visione artificiale per vedere l'ambiente circostante, identificare oggetti e comprendere il significato della segnaletica stradale e dei semafori. Tutti questi sensori aggiuntivi servono esclusivamente a migliorare la visione artificiale e ad aumentare la sicurezza di persone, animali e proprietà.
Tuttavia, la visione artificiale può funzionare in modo autonomo senza l’aiuto di altri sensori per fornire funzionalità di controllo automatico. In effetti, le ultime auto a guida autonoma di Tesla hanno abbandonato il sistema radar e ora si affidano esclusivamente alla visione artificiale del suo sistema di pilota automatico.
Anche se questo non mette necessariamente in discussione l'utilità di altre tecnologie di rilevamento, dimostra l'importanza e la potenza della visione artificiale nelle auto a guida autonoma.
domande comuni
D1. Che cosa è la tecnologia della visione artificiale? Nelle auto a guida autonoma?
La tecnologia della visione artificiale è un sistema basato su hardware e software per l'analisi e l'interpretazione di immagini e video, che consente alle auto a guida autonoma di riconoscere l'ambiente circostante e prendere decisioni durante la guida.
D2. Come funziona la tecnologia della visione artificiale Nelle auto?
L'auto è dotata di più telecamere e sensori che catturano immagini e video dall'ambiente circostante. Questi dati vengono elaborati utilizzando un software avanzato per analizzare le immagini e riconoscere diversi oggetti e punti di riferimento sulla strada.
D3. Qual è l'importanza della tecnologia della visione artificiale? Nella guida autonoma?
La tecnologia di visione artificiale è essenziale per la guida autonoma, poiché consente di riconoscere la segnaletica stradale, gli altri veicoli e gli ostacoli sulla strada. Queste informazioni in tempo reale costituiscono la base per il processo decisionale automatizzato, ad esempio per quanto riguarda la sterzata del veicolo e la prevenzione degli incidenti.
Q4. Quali sono le sfide che la tecnologia di visione artificiale deve affrontare?
Le sfide che la tecnologia della visione artificiale deve affrontare includono fattori quali condizioni meteorologiche avverse come nebbia e pioggia, difficoltà nel riconoscere oggetti in completa oscurità, nonché protezione dei dati e privacy.
Q5. Quali sono gli sviluppi futuri attesi in questo campo?
Si prevede che la tecnologia della visione artificiale continuerà a evolversi, con migliori applicazioni dell'intelligenza artificiale e migliori capacità di rilevamento e riconoscimento delle immagini. È anche possibile estendere l'impiego di questa tecnologia ad altri settori oltre a quello automobilistico.
Il futuro della visione artificiale nelle auto a guida autonoma
La visione artificiale è il fondamento delle auto a guida autonoma. Grazie alla visione artificiale, le auto possono vedere e percepire l'ambiente proprio come gli esseri umani. Nonostante le sfide che ancora sussistono, non si possono sottovalutare i vantaggi della visione artificiale in termini di sicurezza e navigazione. Per quanto riguarda il futuro dei veicoli a guida autonoma, eventuali ulteriori progressi nell'intelligenza artificiale, nell'edge computing e/o nella tecnologia delle telecamere renderanno le auto a guida autonoma più efficienti, il che probabilmente le porterà a un livello di automazione più elevato.