يقوم الفريق الدولي بخطوة كبيرة إلى الأمام في مجال تكنولوجيا المركبات ذاتية القيادة

تم تعيين المركبات المستقلة لإحداث ثورة في النقل - ومع ذلك ، فإن تنفيذها الناجح يعتمد على القدرة على التعرف بدقة على التهديدات الخارجية والاستجابة لها. من خوارزميات معالجة الإشارات وتحليل الصور من خلال أنظمة ذكاء التعلم العميق المدمجة مع البنية التحتية لإنترنت الأشياء ، يجب استخدام مجموعة من التقنيات من أجل السيارات المستقلة لتوفير التشغيل الآمن على تضاريس متنوعة. لضمان عدم المساس بسلامة الركاب لأن هذه السيارات المتطورة أصبحت أكثر انتشارًا ، تحتاج الأساليب القوية إلى التطوير الذي يمكنه اكتشاف المخاطر المحتملة بشكل فعال بسرعة وموثوقية.

تعتمد المركبات ذاتية القيادة على أجهزة استشعار عالية التقنية مثل LiDAR والرادار وكاميرات RGB لتوليد كميات كبيرة من المعلومات لتحديد المشاة والسائقين الآخرين والمخاطر المحتملة بشكل صحيح. إن دمج قدرات الحوسبة المتقدمة وإنترنت الأشياء (IoT) في هذه السيارات الآلية يجعل من الممكن معالجة هذه البيانات بسرعة في الموقع من أجل التنقل في مختلف المجالات والأشياء بشكل أكثر كفاءة. في النهاية ، يسمح هذا للمركبة المستقلة باتخاذ قرارات في أجزاء من الثانية بدقة أعلى بكثير من السائقين البشريين التقليديين.

خطوة كبيرة للأمام في تكنولوجيا القيادة الذاتية

يمثل البحث الرائد الذي أجراه البروفيسور جوانجيل جيون من جامعة إنتشون الوطنية بكوريا وفريقه الدولي خطوة كبيرة إلى الأمام في تكنولوجيا القيادة الذاتية. يسمح النظام الشامل المبتكر والمزود بإنترنت الأشياء والذي طوروه بالكشف عن الأشياء ثلاثية الأبعاد في الوقت الفعلي باستخدام التعلم العميق ، مما يجعله أكثر موثوقية وفعالية من أي وقت مضى. يمكنه اكتشاف عدد متزايد من الكائنات بشكل أكثر دقة ، حتى عند مواجهة بيئات صعبة مثل الإضاءة المنخفضة أو الظروف الجوية غير العادية - وهو أمر لا تستطيع الأنظمة الأخرى القيام به. تتيح هذه الإمكانات تنقلًا أكثر أمانًا حول سيناريوهات المرور المختلفة ، مما يرفع مستوى أنظمة القيادة الذاتية ويساهم في تحسين السلامة على الطرق في جميع أنحاء العالم.

تم نشر البحث في المجلة معاملات IEEE لأنظمة النقل الذكية. 

"بالنسبة للمركبات ذاتية القيادة ، يعد إدراك البيئة أمرًا بالغ الأهمية للإجابة على سؤال أساسي ،" ما الذي يدور حولي؟ " يوضح البروفيسور جيون أنه من الضروري أن تتمكن السيارة المستقلة من فهم الظروف والبيئات المحيطة بها بشكل فعال ودقيق من أجل القيام بعمل سريع الاستجابة. "لقد ابتكرنا نموذج كشف يعتمد على YOLOv3 ، وهي خوارزمية تحديد معروفة. تم استخدام النموذج لأول مرة لاكتشاف الأشياء ثنائية الأبعاد ثم تم تعديله للأشياء ثلاثية الأبعاد "، يتابع.

نموذج الأساس على YOLOv3

قام الفريق بتغذية صور RGB المجمعة وبيانات السحابة النقطية إلى YOLOv3 ، والذي يقوم بعد ذلك بإخراج ملصقات التصنيف والمربعات المحيطة مع درجات الثقة. تم اختبار أدائها بعد ذلك باستخدام مجموعة بيانات Lyft ، وأظهرت النتائج الأولية أن YOLOv3 حقق دقة عالية للغاية في الكشف (> 96٪) لكل من الكائنات ثنائية وثلاثية الأبعاد. تفوق النموذج على مختلف نماذج الكشف الحديثة. 

يمكن استخدام هذه الطريقة المطورة حديثًا للمركبات المستقلة ، ومواقف السيارات المستقلة ، والتسليم المستقل ، والروبوتات المستقلة المستقبلية. يمكن استخدامه أيضًا في التطبيقات التي تتطلب اكتشاف الكائنات والعوائق والتتبع والتوطين البصري. 

"في الوقت الحالي ، يتم تنفيذ القيادة الذاتية من خلال معالجة الصور القائمة على LiDAR ، ولكن من المتوقع أن تحل الكاميرا العامة محل دور LiDAR في المستقبل. على هذا النحو ، فإن التكنولوجيا المستخدمة في المركبات ذاتية القيادة تتغير في كل لحظة ، ونحن في الطليعة ، "يقول البروفيسور جيون. "بناءً على تطوير تقنيات العناصر ، يجب أن تتوفر المركبات ذاتية القيادة ذات السلامة المحسّنة في السنوات الخمس إلى العشر القادمة."