¿Qué es la visión artificial y cuáles son sus retos en el mundo de los coches autónomos?

Los coches autónomos son un tema controvertido y fascinante, ya que dependen de sistemas avanzados de asistencia al conductor (ADAS) para lograr un alto nivel de seguridad y comodidad. Aunque todavía no existen coches totalmente autónomos, las tecnologías actuales permiten funciones como la dirección automática y el aparcamiento automático.

Estos coches utilizan sistemas avanzados de visión artificial para analizar su entorno y tomar decisiones inteligentes, basándose en una variedad de sensores. En este artículo, cubriremos los conceptos básicos de la visión artificial y cómo mejora la eficacia de la conducción automatizada, así como los desafíos y las innovaciones futuras que se esperan en este campo.

¿Qué es la visión por computadora?

La visión artificial es una tecnología que permite a las máquinas ver y reconocer objetos en su entorno. Es un subconjunto de la visión que se centra en las aplicaciones industriales de detección de objetos orientada a la visión en máquinas autónomas como robots y vehículos.

La visión artificial actual utiliza algoritmos de inteligencia artificial de aprendizaje profundo, como redes neuronales convolucionales (CNN), para crear modelos robustos y bien generalizados que puedan identificar objetos con precisión en diversas condiciones. Permite implementar la visión artificial en diversas tareas que requieren mayor confiabilidad en manufactura, agricultura, robótica y automoción.

¿Cómo funciona la visión artificial en los coches autónomos?

La visión por computadora en los autos autónomos generalmente se puede dividir en tres partes: el sistema de cámara, el procesamiento (computación de borde) y la inteligencia artificial. Este conjunto de tecnologías permite a los coches autónomos ver, considerar e identificar diversas señales y obstáculos mientras conducen. Analicemos cada parte en profundidad para comprender cómo estas tecnologías se conectan entre sí para crear una visión artificial para un automóvil autónomo.

Sistema de cámara

La visión por computadora se basa en sistemas de cámaras para recopilar información visual sobre el entorno. Los coches autónomos utilizan múltiples cámaras instaladas alrededor del vehículo para recopilar la mayor cantidad de información visual posible.

En las cámaras de visión artificial se utilizan dos sensores principales: semiconductor complementario de óxido metálico (CMOS) y dispositivos de carga acoplada (CCD). Para los vehículos autónomos, a menudo se prefiere la tecnología CMOS debido a su rápida velocidad de lectura, su potente electrónica y sus capacidades de procesamiento paralelo, lo que lo convierte en el sensor más rápido. Soluciones como diferentes modos de iluminación, visión nocturna digital y filtros pueden ayudar al sensor CMOS en condiciones de iluminación no ideales.

Para los vehículos autónomos, las cámaras se instalan a determinadas distancias entre sí para producir una vista estereoscópica. La visión estereoscópica es la capacidad de combinar dos o más entradas visuales, creando una sensación de profundidad o tridimensionalidad en los objetos y el entorno. Esto, a su vez, permite a los coches triangular y calcular la distancia aproximada entre el objeto y el coche.

Como los humanos tenemos dos ojos, también nos beneficiamos de la visión estereoscópica. Puedes comprobar esta visión por ti mismo; Cierra un ojo y elige un objeto pequeño de tu escritorio. Coloque su mano sobre el costado del objeto y asegúrese de que la punta del objeto esté al menos a dos pulgadas de distancia. Intente hacer una pausa durante unos segundos y observe cuán seguro se siente en su aproximación. Ahora, intenta abrir ambos ojos y verás cuánto mejora tu sensación de profundidad.

Computación de borde

La computación de borde es el proceso de acercar el almacenamiento de información y el poder de procesamiento al dispositivo que genera esos datos y a los usuarios que interactúan con él. Tradicionalmente, las aplicaciones transmitían datos desde dispositivos inteligentes, como sensores y teléfonos inteligentes, a un centro de datos central para su procesamiento. Sin embargo, la complejidad y el volumen de datos sin precedentes superaron las capacidades de la red. Los sistemas de computación de borde acercan las capacidades de procesamiento a los usuarios y dispositivos, mejorando drásticamente el rendimiento de las aplicaciones, reduciendo los requisitos de ancho de banda de la red y brindando información más rápida y en tiempo real.

Mientras el sistema de cámaras del vehículo autónomo recoge datos, el ordenador de a bordo (procesador de borde) procesará todas las entradas en tiempo real para actualizar el sistema sobre el estado del entorno de forma inmediata. Si bien las tareas típicas de visión artificial pueden ahorrar dinero al usar la computación en la nube, existen demasiados riesgos para que los autos autónomos estén vinculados a la nube, incluso si se debe a la subcontratación del proceso para los requisitos de visión artificial.

El uso de una computadora sofisticada para procesar datos de entrada elimina los problemas de latencia y garantiza que los datos se reciban, procesen y transmitan en tiempo real. Las computadoras avanzadas para automóviles autónomos utilizan computadoras especializadas que integran procesadores gráficos de IA como Tensor Core y CUDA Cores de NVIDIA.

Algoritmos de inteligencia artificial

Los algoritmos siempre han sido una parte importante de la visión artificial. El algoritmo es lo que permite al ordenador reconocer todos los patrones, formas y colores proporcionados por el sistema de cámara. El uso de inteligencia artificial en lugar de los algoritmos tradicionales de visión por computadora mejora enormemente la capacidad de un automóvil autónomo para identificar de manera confiable objetos, señales de calles, marcas viales y semáforos. Se utilizan muchos algoritmos de IA para entrenar coches autónomos. Los más populares incluyen:

1. YOLO (Solo miras una vez): un algoritmo de detección de objetos en tiempo real que identifica y rastrea objetos en el campo de visión del automóvil.
2. SIFT (Conversión de características de Scale-Icar): se utiliza para extraer características y ayuda al automóvil a reconocer puntos de referencia y objetos distintivos en su entorno.
3. Histograma de gradientes dirigidos (HOG): Utilizado para el reconocimiento de objetos, se centra en extraer patrones y gradientes locales de imágenes.
4. TextonBoost: Un algoritmo que ayuda a identificar objetos analizando texturas en el entorno.
5. AdaBoost: Utilizado para clasificar datos, AdaBoost combina varios clasificadores débiles para tomar decisiones sólidas sobre objetos y obstáculos en el camino de un vehículo.

La importancia de la visión artificial en los coches autónomos

La visión por computadora es el modo principal que tiene un automóvil autónomo para detectar y comprender su entorno. Sin visión artificial, los coches autónomos probablemente quedarán relegados al nivel 1 en la escala de autonomía de los vehículos y puede que nunca alcancen la autonomía plena.

Gracias a la visión artificial, los vehículos autónomos ahora pueden clasificar objetos, detectar carriles y señales, identificar señales y reconocer el tráfico.

Aunque muchos automóviles autónomos utilizan ahora diversos sensores, como LIDAR, RADAR y SONAR, todos dependen en gran medida de la visión artificial para ver el entorno, identificar objetos y comprender el significado de las señales de tráfico y las señales de la carretera. Todos estos sensores adicionales están ahí únicamente para mejorar la visión de la máquina y mejorar la seguridad de las personas, los animales y las propiedades.

Sin embargo, la visión artificial puede funcionar de forma autónoma sin la ayuda de otros sensores para proporcionar capacidades de control automático. De hecho, los últimos coches autónomos de Tesla han abandonado el sistema de radar y ahora dependen únicamente de la visión artificial de su sistema Autopilot.

Si bien esto no necesariamente pone en duda la utilidad de otras tecnologías de detección, sí demuestra la importancia y el poder de la visión computacional en los autos autónomos.

preguntas comunes

Pregunta 1. ¿Qué es la tecnología de visión por computadora? ¿En coches autónomos?

La tecnología de visión por computadora es un sistema basado en hardware y software para analizar e interpretar imágenes y vídeos para permitir que los automóviles autónomos reconozcan su entorno y tomen decisiones mientras conducen.

Pregunta 2. Cómo funciona la tecnología de visión artificial ¿En los coches?

El coche está equipado con múltiples cámaras y sensores que capturan imágenes y vídeos de su entorno. Estos datos se procesan mediante software avanzado para analizar imágenes y reconocer diferentes objetos y puntos de referencia en la carretera.

T3. ¿Cuál es la importancia de la tecnología de visión artificial? ¿En conducción autónoma?

La tecnología de visión artificial es esencial para la conducción autónoma, ya que le permite reconocer señales de tráfico, otros vehículos y obstáculos en la carretera. Esta información en vivo es la base para la toma de decisiones automatizada, incluida la dirección del vehículo y la prevención de accidentes.

P4. ¿Cuáles son los desafíos que enfrenta la tecnología de visión artificial?

Los desafíos que enfrenta la tecnología de visión artificial incluyen factores como condiciones climáticas adversas como niebla y lluvia, dificultad para reconocer objetos en completa oscuridad y protección y privacidad de datos.

P5. ¿Cuáles son los desarrollos futuros esperados en este campo?

Se espera que la tecnología de visión por computadora continúe evolucionando, con mejores aplicaciones de inteligencia artificial y capacidades mejoradas de detección y reconocimiento de imágenes. También es posible ampliar el uso de esta tecnología a otros ámbitos además del automóvil.

El futuro de la visión artificial en los coches autónomos

La visión por computadora es la base de los coches autónomos. Con la visión artificial, los coches pueden ver y percibir el entorno igual que lo hacen los humanos. Aunque aún quedan desafíos, no se pueden subestimar los beneficios de la visión artificial en términos de seguridad y navegación. En cuanto al futuro de los vehículos autónomos, cualquier avance adicional en inteligencia artificial, informática de borde y/o tecnología de cámaras hará que los coches autónomos sean más eficientes, lo que probablemente los llevará a un nivel superior de automatización.