Papel del procesamiento de la visión con redes neuronales artificiales en la conducción autónoma - Calendae - Calendae | Informática, Electrónica, CMS, Ciberseguridad

Papel del procesamiento de la visión con redes neuronales artificiales en la conducción autónoma – Calendae

Hola otra vez. Soy Jordi Oriol y en esta ocasión te voy a hablar sobre Papel del procesamiento de la visión con redes neuronales artificiales en la conducción autónoma – Calendae

Durante los próximos 10 años, la industria automotriz traerá más cambios de los que hemos visto en los últimos 50, gracias al avance tecnológico. Uno de los mayores cambios será el paso a vehículos autónomos, generalmente conocidos como autos sin conductor. Los científicos de muchas universidades están tratando de implementar procesamiento de la visión con la red neuronal artificial para proporcionar asistencia a la conducción en vehículos autónomos.

Procesamiento de la visión mediante redes neuronales artificiales convolucionales

El procesamiento de la visión, así como las redes neuronales artificiales, existen desde hace muchos años. Redes neuronales artificiales convolucionales (CNN) son conjuntos de algoritmos que extraen información significativa de la entrada del sensor. Las CNN son muy eficientes computacionalmente para analizar una escena. También pueden identificar objetos como automóviles, personas, animales, señales de tráfico, cruces de carreteras, señales de tráfico, etc. Permitiéndoles determinar el realidad relevante de la escena. Como este sistema funciona en tiempo real, la decisión se puede tomar tan pronto como se complete la parte de detección.

Uno de los principales pasos para comprender el entorno visual para aplicaciones automotrices es monitorear los puntos clave y estimar el movimiento del ego y la estructura del entorno sucesivamente a partir de las trayectorias de estos puntos clave. UNA rastreo basado en propagación El método (PBT) se usa comúnmente para obtener trayectorias 2D a partir de una secuencia de imágenes en una configuración de cámara monocular.

Entradas de cualquiera o todos los sensores como LIDAR, RADAR, cámara, IR, etc. Se evalúan y se toman decisiones en consecuencia. Por ejemplo, si un automóvil que va delante frena repentinamente, la computadora de a bordo verificará inmediatamente la distancia y calculará la velocidad con la ayuda de los sensores existentes. Así que aplicaría los frenos más rápido de lo que podría hacerlo cualquier humano. Este método ayuda a prevenir un accidente con una eficiencia del 90%.

El uso del procesamiento de visión con CNN está aumentando rápidamente en aplicaciones automotrices para permitir la conducción autónoma basada en cámaras. Esta tecnología establece un nuevo estándar de conducción. Con esta tecnología en la mano, se producen menos accidentes, menos muertes y menos contaminación. El procesamiento de la visión en la conducción autónoma también permite un viaje eficiente, la reducción del hacinamiento, el uso compartido de automóviles y un empaque más ajustado de los automóviles a través de la comunicación entre vehículos.

Puedes compartir en en tu Twitter y Facebook para que tus colegas lo consulten

??? ? ? ???

Comparte