Autonome Fahrzeuge werden das Transportwesen revolutionieren – ihre erfolgreiche Implementierung hängt jedoch von der Fähigkeit ab, externe Bedrohungen genau zu erkennen und darauf zu reagieren. Von Signalverarbeitungs-und Bildanalysealgorithmen bis hin zu Deep-Learning-Intelligenzsystemen, die in die IoT-Infrastruktur integriert sind, muss eine Reihe von Technologien eingesetzt werden, damit autonome Autos einen sicheren Betrieb in unterschiedlichem Gelände gewährleisten können. Um sicherzustellen, dass die Sicherheit der Insassen nicht beeinträchtigt wird, während diese hochmodernen Automobile immer weiter verbreitet werden, müssen robuste Methoden entwickelt werden, die potenzielle Gefahren schnell und zuverlässig erkennen können.
Selbstfahrende Fahrzeuge verlassen sich auf Hightech-Sensoren wie z LiDAR-, Radar-und RGB-Kameras zur Generierung großer Informationsmengen zur korrekten Identifizierung von Fußgängern, anderen Fahrern und potenziellen Gefahren. Die Integration fortschrittlicher Computerfunktionen und des Internets der Dinge (IoT) in diese automatisierten Autos ermöglicht es, diese Daten vor Ort schnell zu verarbeiten, um effizienter durch verschiedene Bereiche und Objekte zu navigieren. Letztendlich ermöglicht dies dem autonomen Fahrzeug, Entscheidungen in Sekundenbruchteilen mit einer viel höheren Genauigkeit zu treffen als herkömmliche menschliche Fahrer.
Großer Fortschritt in der Technologie des autonomen Fahrens
Bahnbrechende Forschung, die von Professor Gwanggil durchgeführt wurde Jeon von der Incheon National University, Korea, und sein internationales Team markieren einen großen Schritt nach vorne in der autonomen Fahrtechnologie. Das innovative intelligente IoT-fähige End-to-End-System, das sie entwickelt haben, ermöglicht die 3D-Objekterkennung in Echtzeit mithilfe von Deep Learning und ist damit zuverlässiger und effizienter als je zuvor. Es kann eine größere Anzahl von Objekten genauer erkennen, selbst in schwierigen Umgebungen wie schwachem Licht oder ungewöhnlichen Wetterbedingungen – etwas, das andere Systeme nicht können. Diese Fähigkeiten ermöglichen eine sicherere Navigation in verschiedenen Verkehrsszenarien, legen die Messlatte für autonome Fahrsysteme höher und tragen weltweit zu einer verbesserten Verkehrssicherheit bei.
Die Forschungsarbeit wurde in der Zeitschrift veröffentlicht IEEE-Transaktionen intelligenter Transportsysteme.
„Für autonome Fahrzeuge ist die Umgebungswahrnehmung entscheidend, um eine Kernfrage zu beantworten: „Was ist um mich herum?“ Es ist wichtig, dass ein autonomes Fahrzeug seine Umgebungsbedingungen und Umgebungen effektiv und genau verstehen kann, um zu funktionieren eine reaktionsschnelle Aktion“, erklärt Prof. Jeon. „Wir haben ein Erkennungsmodell entwickelt, das auf YOLOv3 basiert, einem bekannten Identifizierungsalgorithmus. Das Modell wurde zuerst für die 2D-Objekterkennung verwendet und dann für 3D-Objekte modifiziert“, fährt er fort.
Modell auf Basis von YOLOv3
Das Team speiste die gesammelten RGB-Bilder und Punktwolkendaten ein YOLOv3, das dann Klassifizierungsbezeichnungen und Begrenzungsrahmen mit Konfidenzwerten ausgibt. Seine Leistung wurde dann mit dem Lyft-Datensatz getestet, und erste Ergebnisse zeigten, dass YOLOv3 eine extrem hohe Erkennungsgenauigkeit (> 96 %) sowohl für 2D-als auch für 3D-Objekte erreichte. Das Modell übertraf verschiedene hochmoderne Erkennungsmodelle.
Diese neu entwickelte Methode könnte für autonome Fahrzeuge, autonomes Parken, autonome Lieferung und zukünftige autonome Roboter verwendet werden. Es könnte auch in Anwendungen eingesetzt werden, bei denen Objekt-und Hinderniserkennung,-verfolgung und visuelle Lokalisierung erforderlich sind.
„Derzeit wird autonomes Fahren durch LiDAR-basierte Bildverarbeitung durchgeführt, aber es wird vorhergesagt, dass eine allgemeine Kamera die Rolle von LiDAR in Zukunft ersetzen wird. Daher ändert sich die in autonomen Fahrzeugen verwendete Technologie jeden Moment, und wir sind an der Spitze“, sagt Prof. Jeon. „Basierend auf der Entwicklung von Elementtechnologien sollten autonome Fahrzeuge mit verbesserter Sicherheit in den nächsten 5-10 Jahren verfügbar sein.“