Team internazionale compie un grande passo avanti nella tecnologia dei veicoli autonomi

I veicoli autonomi sono pronti a rivoluzionare il trasporto — tuttavia, la loro implementazione efficace dipende dalla capacità di riconoscere e rispondere con precisione alle minacce esterne. Dall’elaborazione del segnale e dall’analisi delle immagini agli algoritmi di apprendimento profondo integrati con l’infrastruttura IoT, una gamma di tecnologie deve essere utilizzata affinché i veicoli autonomi possano garantire un’operazione sicura su terreni vari. Per garantire che la sicurezza dei passeggeri non sia compromessa mentre queste auto all’avanguardia diventano più diffuse, sono necessari metodi robusti che possano rilevare rapidamente e in modo affidabile le potenziali minacce.

I veicoli a guida autonoma si affidano a sensori ad alta tecnologia come LiDAR, radar e telecamere RGB per generare grandi quantità di informazioni per identificare correttamente i pedoni, gli altri conducenti e le potenziali minacce. L’integrazione di capacità di calcolo avanzate e Internet-of-Things (IoT) in queste auto automatizzate consente di elaborare rapidamente questi dati sul posto per navigare in aree e oggetti diversi in modo più efficiente. Ciò consente al veicolo autonomo di prendere decisioni rapide con un’accuratezza molto più alta rispetto ai conducenti umani tradizionali.

Un grande passo avanti nella tecnologia di guida autonoma

La ricerca innovativa condotta dal professor Gwanggil Jeon dell’Università Nazionale di Incheon, Corea, e dal suo team internazionale segna un grande passo avanti nella tecnologia di guida autonoma. Il sistema intelligente IoT-enabled end-to-end che hanno sviluppato consente la rilevazione di oggetti 3D in tempo reale utilizzando l’apprendimento profondo, rendendolo più affidabile e efficiente che mai. Può rilevare un numero maggiore di oggetti con maggiore accuratezza, anche in ambienti impegnativi come la luce bassa o le condizioni meteorologiche insolite – qualcosa che altri sistemi non possono fare. Queste capacità consentono una navigazione più sicura in vari scenari di traffico, alzando la barra per i sistemi di guida autonoma e contribuendo a migliorare la sicurezza stradale in tutto il mondo.

La ricerca è stata pubblicata sulla rivista IEEE Transactions of Intelligent Transport Systems. 

“Per i veicoli autonomi, la percezione dell’ambiente è fondamentale per rispondere a una domanda fondamentale, ‘Cosa c’è intorno a me?’ È essenziale che un veicolo autonomo possa comprendere efficacemente e con precisione le condizioni e gli ambienti circostanti per eseguire un’azione rispondente,” spiega il prof. Jeon. “Abbiamo ideato un modello di rilevamento basato su YOLOv3, un algoritmo di identificazione ben noto. Il modello è stato utilizzato inizialmente per la rilevazione di oggetti 2D e successivamente modificato per oggetti 3D,” continua.

Basare il modello su YOLOv3

Il team ha alimentato le immagini RGB raccolte e i dati del punto cloud a YOLOv3, che ha quindi restituito etichette di classificazione e bounding box con punteggi di confidenza. Le sue prestazioni sono state quindi testate con il dataset Lyft e i risultati hanno dimostrato che YOLOv3 ha raggiunto un’accuratezza di rilevamento estremamente alta (>96%) per oggetti 2D e 3D. Il modello ha superato vari modelli di rilevamento all’avanguardia. 

Questo metodo appena sviluppato potrebbe essere utilizzato per veicoli autonomi, parcheggio autonomo, consegna autonoma e futuri robot autonomi. Potrebbe anche essere utilizzato in applicazioni in cui la rilevazione di oggetti e ostacoli, il tracciamento e la localizzazione visiva sono richiesti. 

“Al momento, la guida autonoma viene eseguita attraverso l’elaborazione delle immagini basata su LiDAR, ma si prevede che una fotocamera generica sostituirà il ruolo di LiDAR in futuro. Come tale, la tecnologia utilizzata nei veicoli autonomi sta cambiando ogni momento e noi siamo all’avanguardia,” afferma il prof. Jeon. “Sulla base dello sviluppo delle tecnologie di base, i veicoli autonomi con una sicurezza migliorata dovrebbero essere disponibili nei prossimi 5-10 anni.”