自動運転技術における大きな一歩 – 国際チームが自動車技術を大幅に進歩させた

自動運転車は交通を革命することになるが、その実現には外部からの脅威を正確に認識し、対応する能力が必要である。信号処理や画像分析アルゴリズムから、IoTインフラストラクチャーと統合されたディープラーニングインテリジェンスシステムまで、自動運転車が安全に運行するために必要な技術が多数存在する。乗客の安全を確保するために、これらの最先端の自動車が普及するにつれて、潜在的な危険を迅速に、かつ信頼性高く検出できるロバストな方法の開発が必要である。

自動運転車は、LiDAR、レーダー、RGBカメラなどの高性能センサーを使用して、歩行者、他の運転手、潜在的な危険を正確に識別するために大量の情報を生成する。自動運転車に組み込まれた高度なコンピューティング能力とIoTの統合により、これらのデータを迅速に処理し、さまざまな状況や物体を効率的にナビゲートできる。最終的には、自動運転車は人間の運転手よりも高い精度で、瞬時の判断を下すことができる。

自動運転技術における大きな一歩

韓国仁川大学のGwanggil Jeon教授と国際チームによる画期的な研究は、自動運転技術の分野で大きな進歩をもたらした。彼らが開発した革新的なスマートIoTエンドツーエンドシステムは、ディープラーニングを使用してリアルタイムで3Dオブジェクト検出を実現し、以前のシステムよりも信頼性と効率性が高まっている。このシステムは、低光量や異常な天候条件などの難しい環境下でも、より多くのオブジェクトをより正確に検出できる。これにより、さまざまな交通シナリオを安全にナビゲートできるようになり、自動運転システムの安全性が向上し、世界中の道路の安全性が高まる。

この研究は、IEEE Transactions of Intelligent Transport Systemsに掲載された。

「自動運転車にとって、環境認識は、基本的な質問『私の周囲には何があるか？』に答える上で非常に重要である。自動運転車が周囲の状況や環境を効果的に、かつ正確に理解できるようにすることが不可欠である」とJeon教授は説明する。「私たちは、YOLOv3と呼ばれる既知の識別アルゴリズムに基づいた検出モデルを開発した。元々は2Dオブジェクト検出に使用されていたモデルを、3Dオブジェクト用に改良した」と続ける。

YOLOv3をベースとしたモデル

チームは、RGB画像と点群データをYOLOv3に供給し、分類ラベルとバウンディングボックスを信頼度スコアとともに出力した。Lyftデータセットを使用してテストを行った結果、YOLOv3は2Dおよび3Dオブジェクトの検出において非常に高い精度（>96%）を達成したことが示された。このモデルは、さまざまな最先端の検出モデルを上回った。

この新しく開発された方法は、自動運転車、自動駐車、自動配送、将来の自動ロボットに使用できる。また、オブジェクトや障害物の検出、追跡、視覚的な位置合わせが必要なアプリケーションにも使用できる。

「現在、自動運転はLiDARベースの画像処理によって実行されているが、将来的には一般的なカメラがLiDARの役割を引き継ぐことが予測されている。自動運転車で使用される技術は、常に変化しているが、私たちは最前線に立っています」とJeon教授は述べる。「要素技術の開発に基づいて、安全性が向上した自動運転車は、将来5〜10年以内に利用可能になるはずです」