ראיית מכונה היא הבסיס של מכוניות בנהיגה עצמית, והיא קריטית לעתיד אוטונומי מלא.
טייק אווי מפתח
- מכוניות בנהיגה עצמית מסתמכות על טכנולוגיית ראיית מכונה כדי לראות ולהבין את הסביבה שלהן, מה שמאפשר להן לזהות עצמים, לזהות שלטים ולנווט בכביש.
- ראיית מכונה במכוניות בנהיגה עצמית מורכבת ממערכת מצלמות, מחשוב קצה, ואלגוריתמי AI, שעובדים יחד כדי לאסוף מידע חזותי, לעבד אותו בזמן אמת ולזהות דפוסים ו חפצים.
- ראיית מכונה חיונית להשגת אוטונומיה מלאה במכוניות בנהיגה עצמית, מכיוון שהיא מאפשרת סיווג אובייקטים, זיהוי נתיבים ואותות, זיהוי שלטים וזיהוי תנועה. העתיד של כלי רכב אוטונומיים טמון בהתקדמות ב-AI, מחשוב קצה וטכנולוגיית מצלמה.
מכוניות בנהיגה עצמית תמיד משכו את תשומת הלב. למרות שאולי עדיין אין לנו מכוניות אוטונומיות לחלוטין, יש לנו מכוניות עם מתקדמות מערכות סיוע לנהג (ADAS) המסוגלות להיגוי אוטומטי, החלפת נתיב, חניה ו בקרת שיוט מודע לתנועה.
מכונית לנהיגה עצמית משתמשת בחיישנים רבים עבור ה-ADAS שלה, כאשר ראיית מכונה היא הדרך העיקרית לזיהוי, זיהוי וחישוב המרחק של עצמים והסביבה הכללית. ללא ראיית מכונה, מכוניות לנהיגה עצמית עם בקרת שיוט וטייס אוטומטי הן מאוד לא סבירות.
מהי Machine Vision?
ראיית מכונה היא טכנולוגיה המאפשרת למכונות לראות ולזהות עצמים בסביבתן. זוהי תת-קבוצה של ראייה ממוחשבת המתמקדת ביישומים תעשייתיים של זיהוי עצמים מכוון ראייה במכונות אוטונומיות כגון רובוטים וכלי רכב.
ראיית מכונה כיום משתמשת באלגוריתמי למידה עמוקה של בינה מלאכותית כגון רשתות עצביות קונבולוציוניות (CNNs) ליצור מודלים חזקים ומוכללים שיכולים לזהות במדויק אובייקטים במגוון תנאים. זה מאפשר ליישם ראיית מכונה במשימות שונות הדורשות אמינות גבוהה יותר בייצור, חקלאות, רובוטיקה ומכוניות.
כיצד עובדת ראיית מכונה במכוניות נהיגה עצמית?
בדרך כלל ניתן לפצל ראיית מכונה במכוניות לנהיגה עצמית לשלושה חלקים: מערכת המצלמה, עיבוד (מחשוב קצה) ובינה מלאכותית. ערימת טכנולוגיה זו מאפשרת לרכב אוטונומי לראות, לחשוב ולזהות שלטים ומכשולים תוך כדי נסיעה. הבה נדון לעומק בכל חלק כדי להבין כיצד הטכנולוגיות הללו מתחברות יחד ליצירת חזון מכונה של מכונית בנהיגה עצמית.
מערכת מצלמה
ראיית מכונה מסתמכת על מערכות מצלמות לאיסוף מידע חזותי על הסביבה. מכוניות לנהיגה עצמית משתמשות במספר מצלמות המותקנות סביב המכונית כדי לאסוף מידע ויזואלי רב ככל האפשר.
שני חיישנים עיקריים משמשים במצלמות ראיית מכונה: מוליכים למחצה מתכת-אוקסיד משלימים (CMOS) ו מכשירים מצמדים לטעינה (CCD). עבור מכוניות בנהיגה עצמית, CMOS מועדף לעתים קרובות בגלל מהירות הקריאה המהירה שלו, העוצמתית על הספינה אלקטרוניקה, ויכולות עיבוד מקבילי, מה שהופך אותו לחיישן המהיר יותר, אם כי נוטה לרעש או חפצים. פתרונות, כגון מצבי תאורה שונים, ראיית לילה דיגיטלית ומסננים, עשויים לעזור לחיישן ה-CMOS בתנאי תאורה פחות אידיאליים.
עבור מכוניות בנהיגה עצמית, מצלמות מותקנות במרחקים מסוימים זו מזו כדי לייצר ראייה סטריאוסקופית. ראייה סטריאוסקופית היא היכולת לשלב שניים או יותר תשומות חזותיות, יצירת תחושת עומק או תלת מימד בחפצים ובסביבה. זה, בתורו, מאפשר למכוניות לבצע משולש ולחשב את המרחק המשוער בין האובייקט למכונית.
מכיוון שלבני אדם יש שתי עיניים, אנו נהנים גם מראייה סטריאוסקופית. אתה יכול לבדוק את זה בעצמך; סגור עין אחת ובחר חפץ קטן מהשולחן שלך. הנח את היד שלך על הצד של החפץ וודא שקצה החפץ נמצא במרחק של שני סנטימטרים לפחות. נסה להשהות לכמה שניות וראה עד כמה אתה בטוח בקירוב שלך. כעת, נסה לפתוח את שתי העיניים ולראות כיצד תחושת העומק שלך הרבה יותר טובה.
מחשב אדג'
בזמן שמערכת המצלמה במכונית הנוהגת בעצמה אוספת נתונים, מחשב מובנה (מעבד קצה) תעבד את כל התשומות בזמן אמת כדי לעדכן את המערכת על מצב הסביבה מיד. למרות שמשימות ראיית מכונה טיפוסיות יכולות לחסוך כסף באמצעות מחשוב ענן, יש פשוט יותר מדי סיכון של מכוניות בנהיגה עצמית להיות מחוברות לענן, גם אם מדובר במיקור חוץ של התהליך בדרישות שלו לראיית מכונה.
שימוש במחשב קצה לעיבוד נתוני קלט מבטל בעיות חביון ומבטיח שהנתונים מתקבלים, מעובדים ומועברים בזמן אמת. מחשבי אדג' למכוניות לנהיגה עצמית משתמשים במחשבים מיוחדים המשלבים מעבדי AI גרפיים כמו Tensor Core ו-CUDA Cores של NVIDIA.
אלגוריתמים של AI
אלגוריתמים תמיד היו חלק מכריע בראיית מכונה. האלגוריתם הוא זה שמאפשר למחשב לזהות את כל התבניות, הצורות והצבעים שמספקת מערכת המצלמה. שימוש בבינה מלאכותית על פני אלגוריתמים מסורתיים יותר של ראיית מכונה משפר מאוד את היכולת של מכונית בנהיגה עצמית לזהות באופן אמין חפצים, שלטי רחוב, סימון כבישים ורמזורים. אלגוריתמים רבים של בינה מלאכותית משמשים לאימון מכוניות בנהיגה עצמית. הפופולריים ביותר כוללים:
- YOLO (אתה מסתכל רק פעם אחת): אלגוריתם זיהוי אובייקטים בזמן אמת המזהה ועוקב אחר אובייקטים בשדה הראייה של המכונית.
- SIFT (שינוי תכונות של Scale-Icarsant): משמש לחילוץ תכונות, הוא עוזר למכונית לזהות נקודות ציון ואובייקטים ייחודיים בסביבתה.
- היסטוגרמה של שיפועים מכוונים (HOG): משמש לזיהוי אובייקטים, הוא מתמקד בחילוץ דפוסים ושיפועים מקומיים מתמונות.
- TextonBoost: אלגוריתם המסייע בזיהוי אובייקטים על ידי ניתוח טקסטורות בסביבה.
- AdaBoost: AdaBoost, המועסקת עבור סיווג נתונים, משלבת מספר מסווגים חלשים כדי לקבל החלטות חזקות לגבי האובייקטים והמכשולים בנתיב הרכב.
החשיבות של ראיית מכונה במכוניות בנהיגה עצמית
ראיית מכונה היא הדרך העיקרית של מכונית בנהיגה עצמית לחוש ולהבין את סביבתה. ללא ראיית מכונה, סביר מאוד שמכוניות בנהיגה עצמית יידחקו חזרה לרמה 1 ב- סולם אוטונומיה של רכב ואולי לעולם לא יגיע לאוטונומיה מלאה.
עם ראיית מכונה, מכוניות בנהיגה עצמית מסוגלות כעת לסיווג עצמים, זיהוי נתיבים ואותות, זיהוי שלטים וזיהוי תנועה.
למרות שרכבים בנהיגה עצמית רבים משתמשים כיום בחיישנים שונים, כגון LIDAR, RADAR ו-SONAR, כולם מסתמכים במידה רבה על ראיית מכונה כדי לראות את הסביבה, לזהות חפצים ולהבין את המשמעות של שלטים ורמזורים על כְּבִישׁ. כל החיישנים הנוספים הללו נמצאים שם רק כדי להגביר את ראיית המכונה ולקדם את הבטיחות של אנשים, בעלי חיים ונכסים.
עם זאת, ראיית מכונה יכולה לפעול באופן עצמאי ללא עזרת חיישנים אחרים כדי לספק יכולות טייס אוטומטי. למעשה, המכוניות החדשות ביותר בנהיגה עצמית של טסלה הורידו את RADAR וכעת מסתמכות אך ורק על ראיית מכונה עבור מערכת הטייס האוטומטי שלה.
למרות שזה לא אומר שום דבר במונחים של הכפשת התועלת של טכנולוגיות חיישנים אחרות, זה כן מראה את החשיבות והעוצמה של ראיית מכונה במכוניות בנהיגה עצמית.
העתיד של ראיית מכונה בכלי רכב אוטונומיים
ראיית מכונה היא הבסיס של מכוניות בנהיגה עצמית. באמצעות ראיית מכונה, מכוניות יכולות לראות ולתפוס את הסביבה בדיוק כמו בני אדם. למרות שהאתגרים נמשכים, לא ניתן להמעיט ביתרונות של ראיית מכונה במונחים של בטיחות וניווט. באשר לעתיד של כלי רכב אוטונומיים, כל התקדמות נוספת ב-AI, מחשוב קצה ו/או מצלמה הטכנולוגיה בוודאי תהפוך מכוניות לנהיגה עצמית מיומנת יותר, מה שסביר להניח שיעביר אותן לרמה גבוהה יותר של אוטומציה.
