AI-modellen en platforms
Internationaal team zet grote stap vooruit in autonome voertuigtechnologie
Belangrijkste puntenHet team van professor Jeon behaalde een detectienauwkeurigheid van meer dan 96% met…
Meer weergeven
- Het team van professor Jeon behaalde een detectienauwkeurigheid van meer dan 96% met behulp van YOLOv3 voor 3D-objecten.
- Het slimme IoT-systeem detecteert objecten betrouwbaar bij weinig licht en ongebruikelijke weersomstandigheden.
- Deze technologie zou binnen 5 tot 10 jaar veiliger autonoom rijden, parkeren, bezorging en robots mogelijk kunnen maken.
Autonome voertuigen staan op het punt om het transport te revolutioneren – echter hangt hun succesvolle implementatie af van de mogelijkheid om externe bedreigingen nauwkeurig te herkennen en erop te reageren. Van signaalverwerking en beeldanalysealgoritmes tot intelligente systemen op basis van deep learning geïntegreerd met IoT-infrastructuur, moet een reeks technologieën worden gebruikt om autonome auto’s veilig te laten functioneren over verschillende terreinen. Om te waarborgen dat de veiligheid van passagiers niet wordt aangetast terwijl deze baanbrekende auto’s meer worden gebruikt, moeten robuuste methoden worden ontwikkeld die potentieel gevaar snel en betrouwbaar kunnen detecteren.
Zelfrijdende voertuigen vertrouwen op geavanceerde sensoren zoals LiDAR, radar en RGB-camera’s om grote hoeveelheden informatie te genereren om voetgangers, andere bestuurders en potentieel gevaar correct te identificeren. De integratie van geavanceerde rekenkracht en Internet-of-Things (IoT) in deze geautomatiseerde auto’s maakt het mogelijk om deze gegevens snel ter plaatse te verwerken om efficiënter door verschillende gebieden en langs objecten te navigeren. Uiteindelijk maakt dit het mogelijk voor het autonome voertuig om in een fractie van een seconde beslissingen te nemen met een veel hogere nauwkeurigheid dan traditionele menselijke bestuurders.
Grote stap vooruit in autonome rijtechnologie
Baanbrekend onderzoek dat is uitgevoerd door professor Gwanggil Jeon van de Incheon National University in Zuid-Korea en zijn internationale team, markeert een grote stap vooruit in autonome rijtechnologie. Het innovatieve slimme IoT-geactiveerde eind-tot-eind-systeem dat ze hebben ontwikkeld, maakt 3D-objectdetectie in real-time mogelijk met behulp van deep learning, waardoor het betrouwbaarder en efficiënter is dan ooit tevoren. Het kan een groter aantal objecten nauwkeuriger detecteren, zelfs in uitdagende omgevingen zoals weinig licht of ongebruikelijke weersomstandigheden – iets wat andere systemen niet kunnen. Deze mogelijkheden maken het mogelijk om veiliger te navigeren rond verschillende verkeerssituaties, waardoor de lat voor autonome rijsystemen wordt verhoogd en de verkeersveiligheid wereldwijd wordt verbeterd.
Het onderzoek is gepubliceerd in het tijdschrift IEEE Transactions of Intelligent Transport Systems.
“Voor autonome voertuigen is omgevingsperceptie kritiek om een kernvraag te beantwoorden, ‘Wat is er om me heen?’ Het is essentieel dat een autonoom voertuig zijn omgevingsomstandigheden en -omgeving effectief en nauwkeurig kan begrijpen om passend te reageren,” legt Prof. Jeon uit. “We hebben een detectiemodel ontwikkeld op basis van YOLOv3, een bekend identificatiealgoritme. Het model werd eerst gebruikt voor 2D-objectdetectie en vervolgens aangepast voor 3D-objecten,” vervolgt hij.
Model gebaseerd op YOLOv3
Het team voerde de verzamelde RGB-afbeeldingen en puntwolkgegevens in YOLOv3 in, die vervolgens classificatielabels en begrenzingsvakken met vertrouwensscores uitvoerde. De prestaties werden getest met de Lyft-dataset, en vroege resultaten toonden aan dat YOLOv3 een extreem hoge detectienauwkeurigheid (>96%) behaalde voor zowel 2D- als 3D-objecten. Het model overtrof verschillende state-of-the-art detectiemodellen.
Deze nieuw ontwikkelde methode kan worden gebruikt voor autonome voertuigen, autonoom parkeren, autonome bezorging en toekomstige autonome robots. Het kan ook worden gebruikt in toepassingen waar object- en obstakeldetectie, tracking en visuele lokalisatie vereist zijn.
“Op dit moment wordt autonoom rijden uitgevoerd met LiDAR-gebaseerde beeldverwerking, maar het wordt voorspeld dat een gewone camera de rol van LiDAR in de toekomst zal overnemen. Zo verandert de technologie die in autonome voertuigen wordt gebruikt, elk moment, en wij staan in de voorhoede,” zegt Prof. Jeon. “Op basis van de ontwikkeling van basistechnologieën, zouden autonome voertuigen met verbeterde veiligheid binnen de komende 5-10 jaar beschikbaar komen.”












