Uluslararası Takım Otonom Araç Teknolojisinde Büyük Adım Attı

Otonom araçlar ulaşımı devrimleştiriyor – ancak başarılı uygulanmaları, dış tehditleri doğru şekilde tanımlamak ve bunlara cevap vermek能力lerine bağlı. Sinyal işleme ve görüntü analiz algoritmalarından derin öğrenme zekası sistemlerine ve IoT altyapısına kadar çeşitli teknolojiler, otonom arabaların güvenli bir şekilde çalışmasını sağlamak için kullanılmalıdır. Bu araçlar daha yaygın hale geldikçe, yolcuların güvenliğini tehlikeye atmadan, potansiyel tehlikeleri hızlı ve güvenilir bir şekilde tespit edebilecek güçlü yöntemler geliştirilmelidir.

Otonom araçlar, LiDAR, radar ve RGB kameralar gibi yüksek teknoloji sensörlerine dayanarak, pedestrians, diğer sürücüler ve potansiyel tehlikeleri doğru şekilde tanımlamak için büyük miktarda veri üretirler. Bu otomobillerde advanced hesaplama yetenekleri ve Internet-of-Things (IoT) entegrasyonu, bu verileri hızlı bir şekilde işleyerek çeşitli alanları ve nesneleri daha verimli bir şekilde gezinmesini sağlar. Son olarak, bu, otonom aracın geleneksel insan sürücülerinden daha yüksek bir doğrulukla saniyeler içinde kararlar almasına olanak tanır.

Otonom Sürüş Teknolojisinde Büyük Adım

Incheon Ulusal Üniversitesi’nden Profesör Gwanggil Jeon ve uluslararası ekibinin yaptığı öncü araştırma, otonom sürüş teknolojisinde büyük bir adım niteliği taşıyor. Geliştirdikleri yenilikçi akıllı IoT destekli uçtan uca sistem, derin öğrenme kullanarak gerçek zamanlı 3D nesne tanıma sağlar ve daha öncekilere göre daha güvenilir ve verimlidir. Arttırılmış sayıda nesneyi daha doğru bir şekilde tespit edebilir, düşük ışık veya alışılmadık hava koşulları gibi zorlu ortamlarda bile – diğer sistemlerin yapamadığı bir şey. Bu yetenekler, çeşitli trafik senaryolarında daha güvenli navigasyon sağlar, otonom sürüş sistemleri için standardı yükseltir ve dünya çapında yol güvenliğini iyileştirir.

Araştırma, IEEE Transactions of Intelligent Transport Systems dergisinde yayımlandı.

“Otonom araçlar için çevre algısı, ‘Bana etrafında ne var?’ sorusunu cevaplamak için kritik bir sorudur. Bir otonom aracın çevresel koşulları ve ortamları etkili ve doğru bir şekilde anlaması ve buna göre tepki vermesi zorunludur” diye açıklıyor Prof. Jeon. “YOLOv3 adlı tanınmış bir tanımlama algoritmasına dayanan bir tespit modeli geliştirdik. Model ilk olarak 2D nesne tanıma için kullanıldı, daha sonra 3D nesneler için değiştirildi” diye devam ediyor.

YOLOv3 Üzerine Dayanan Model

Ekibin topladığı RGB görüntüleri ve nokta bulutu verilerini YOLOv3’e beslediler ve bu, sınıflandırma etiketleri ve güven skorları ile birlikte sınırlayıcı kutular çıkardı. Performansı Lyft veri kümesiyle test edildi ve erken sonuçlar, YOLOv3’ün 2D ve 3D nesneler için çok yüksek bir tespit doğruluğu (%96’dan fazla) elde ettiğini gösterdi. Model, çeşitli güncel tespit modellerini geride bıraktı.

Bu yeni geliştirilen yöntem, otonom araçlar, otonom park etme, otonom teslimat ve gelecekteki otonom robotlar için kullanılabilir. Ayrıca nesne ve engel tanıma, izleme ve görsel konum belirleme gerektiren uygulamalar için de kullanılabilir.

“Şu anda otonom sürüş, LiDAR tabanlı görüntü işleme ile gerçekleştiriliyor, ancak gelecekte genel bir kameranın LiDAR’ın rolünü yerine getireceği öngörülüyor. Bu nedenle, otonom araçlarda kullanılan teknoloji her an değişiyor ve biz bu alanda öncü konumdayız” diyor Prof. Jeon. “Temel teknoloji gelişimine dayanarak, daha güvenli otonom araçlar önümüzdeki 5-10 yıl içinde kullanılabilir hale gelecektir.”