Los sistemas ADAS necesitan de “ojos” que vean lo que sucede alrededor del coche y recojan esa información para que los procesadores del vehículo puedan realizar un reconocimientto fiable del entorno y actuar en consecuencia.
Esos “ojos” son cámaras y sensores, la mayoría de los cuales están instalados en el parabrisas. いいえ 干し草 que olvidar que cuando se sustituye un parabrisas, hay que desmontar las cámaras del cristal roto y montarlas en el nuevo.
Una vez instalados, estos sensores han de ser recalibrados para asegurar que apuntan al lugar exacto al que deben, funcionan con la maxima precisión y proporcionan la información correcta.
Pero, ¿Cómo ve realmente un coche el mundo que le rodea, cuál es el proceso que le permite identificar, por ejemplo, a un peatón cruzando la calzada? Xavier Martínez, nos lo explica.
「La cámara frontal que va instalada en el parabrisas tieene un papel clave y permite que el coche detecte objetos y personas de forma fiable en todo momento, a través de procesamientos clásicos de imágenes, compinados con métodos de inteligencia artificial. Para que sea util y pueda ayudar al Conductor, tiene que ser más rápida que el Conducter en la detección y alerta de obstáculos”, asegura Xavier Martínez.
Para conseguir que un coche haga un reconocimientto eficaz y rápido de las situaciones de riesgo de su entorno este proceso se realiza a través de tres rutas.
Este enfoque multiruta persigue, por un lado, conseguir la mayor velocidad de reconocimiento, porque cada décima de segundo que pasa, el coche avanza una distancia; lo que se consigue con la menor generación de datos y de calculos posible.
1 MP で 15 FPS の RGB 機能を使用すると、約 59 メガバイトを処理できます。
Por un lado, la cámara reconoce, a través de algoritmos preprogramados, la apariencia de categorías de objetos típicos como coches, motos, peatones, ciclistas または marcas viales.
Para cada object to a detectar se elaboran a mano algoritmos tradicionales de visión artificial, que analizan las direcciones de los bordes dentro de una imagen para tratar de describir object.
Por otro lado, la cámara emplea la Estructura del movimiento SfM (Structure from Motion), para reconocer object con un seguimiento del movimiento de los píxeles asociados.
エル パペル デ ラ インテリジェンシア アーティフィシャル
La tercera ruta se realiza con inteligencia artificial, con técnicas de aprendizaje profundo (深層学習) mediante la utilización de redes neuronales convolucionales (CNN, por sus siglas en inglés), que consiguen realizar una segmentación semántica de los elementos de una imagen.
La CNN es un tipo de red neuronal artificial con aprendizaje supervisado, que imita la visión del ojo humano para identificar los objetos a través de sus caracteristicas. Esta red neuronal va aplicando capas jerarquizadas a una imagen. Lasprimeras capas detectan los elementos más sencillos, como líneas y curvas, que gradualmente se van especializando hasta reconocer más formas complejas.
Esta red neuronal ha sido entrenada con decenas de miles de imágenes, (en el caso de los sistemas ADAS, de todo tipo de situaciones de tráfico) para reconocer las características unicas de cada object y poder generalizarlo.
Gracias a ello puede reconocer como un peatón a una persona, independentmente de su postura (de pie, sentado, de frente de lado…), posición (de pie, saltando, caminando…), vestimenta…
La gran ventaja de la inteligencia artificial es que no está programada, está entrenada. La detección de objetos no se hace a través de la codificación manual de un algoritmo, sino que las redes neuronales profundas permiten que las características de un objeto se aprendan automáticamente a partir de ejemplos de entrenamiento.
Esto perte al cochedetectar, por ejemplo, vehículos estacionados en angulos “extraños” o peatones con partes de su cuerpo ocultas entre coches. También puede diferenciar la superficie de la calzada, cuando las líneas no son visibles, “leyendo” otras características indicativas como el cambio de color y superficie del asfalto a la grava, que haya señales verticales o vehículos estacionados.
フエンテ: カーグラス