Der Erfolg von selbstfahrenden Fahrzeugen ist an maschinelles Sehen gebunden

Mitfahrzentrale Uber sorgte für Furore, als sie in Pittsburgh selbstfahrende Autos zum Abholen von Mitfahrern einführte. Autonome Fahrzeuge haben sich vom Reißbrett auf die Straße bewegt. Während dieser Testphase wird Uber weiterhin Ingenieure am Steuer einsetzen, bis das System vollständig entwickelt ist. Passagierabholungen in der Stadt der Brücken und verwinkelten Gassen haben sich bisher bewährt.

Dieser Durchbruch im Transportwesen ist eine große Chance für die maschinelle Bildverarbeitung und die Verwendung mehrerer Geräte zur Weitergabe von Daten. Die Hersteller autonomer Fahrzeuge verändern nicht nur das Fahrverhalten der Menschen. Sie denken auch über die Sicherheit nach.

Präventives Denken

Selbstfahrende Autos, die für Verbraucher entwickelt werden, umfassen die Änderung von Sicherheitssystemen von der Reaktion auf Unfälle wie der Verwendung von Airbags zur Verhinderung von Unfällen. Diese aktiven Sicherheitssysteme eröffnen den Herstellern von Bildverarbeitungssystemen viele Möglichkeiten.

Ein Grund, warum das Sehen so mächtig ist, wird in einem 1989 erschienenen Artikel des International Center for Mechanical Sciences, Issues on Machine Vision, hervorgehoben:[Vision] ermöglicht es uns, mit der Umwelt zu interagieren und Entscheidungen zu treffen, ohne in physischem Kontakt mit den Objekten um uns herum zu sein.

Fahrzeuge unterwegs, die ihre Umgebung ständig mit Bildverarbeitungssystemen überwachen, wie im Artikel Autonomous Car Industry Comes Klopfing on Machine Vision's Front Door erwähnt, befinden sich in einem Modus von Unfälle vermeiden.

Erwarten Sie, dass Autos mehrere bildgebende Geräte und Komponenten verwenden, darunter Sensoren, Kameras, LIDAR (Light Detection and Ranging) und Adar. Diese Geräte haben die Aufgabe, alles zu überwachen und schließlich zu steuern, vom Verlassen der Fahrspur bis zum Parken.

Aber alle guten Ideen haben Herausforderungen zu meistern. Bei der Entwicklung autonomer Fahrzeuge müssen Leistungs- und Größenbeschränkungen in der Designphase berücksichtigt werden. Allein die Kabel, die zum Verbinden der verschiedenen Komponenten erforderlich sind, können ein Fahrzeug erheblich gewichten und sich negativ auf die Kraftstoffeffizienz auswirken.

Eine Ausgabe der Automotive News vom Januar 2016 über einen großen Anbieter von Elektrokabelbäumen für Autos beschreibt, dass Luxusautos derzeit über „Meilen“ an Elektrokabeln verfügen. Aber Yazaki überdenkt die Verkabelung für das autonome Zeitalter neu:Die Yazaki Corporation will weniger Kabelbäume für Autos herstellen, weil "es einfach nicht genug Platz ist, um all die zusätzlichen Kabel zu verstauen, die von Fahrzeugen erwartet werden."

Im Zeitalter der digitalen Kommunikation erwägt der weltweit größte Hersteller von Kabelbaumsystemen die drahtlose Kommunikation zwischen Komponenten in Autos.

Langfristiges Denken

Eine Präsentation auf der letzten Auto-Sens-Konferenz im September 2016, Challenges Facing Autonomous Vehicles, hob einige Bedingungen hervor, die erfüllt werden müssen, bevor selbstfahrende Fahrzeuge in jedem verwendet werden Wohnstraße.

Bildgebungslösungen müssen weiterentwickelt werden, damit Entfernungsberechnungen und Entfernungsmessungen bei allen Lichtverhältnissen durchgeführt werden können.

LIDAR wird in Prototypen verwendet und dennoch kann ein einzelner Scanner 80.000 US-Dollar kosten. Eine von der Konferenz aufgeworfene Frage war, was passiert, wenn „Hunderte von Fahrzeugen, die LIDAR verwenden, auf stark befahrenen mehrspurigen Straßen dasselbe Frequenzband nutzen?“

Firmen wie Yazaki beschäftigen sich mit der Systemarchitektur, aber es bleiben Fragen zu Details wie der Platzierung von Prozessoren und Sensoren.

Mit zunehmendem Einsatz autonomer Fahrzeuge sollten Zulieferer von Komponenten mit stetigen Einnahmen rechnen können. Spezifikationsteile müssen „bis zu und vielleicht mehr als ein Jahrzehnt nach der ursprünglichen Implementierung“ bereitgestellt werden.

Die autonome oder selbstfahrende Autoindustrie wird die Beziehung der Menschen zu ihren Autos und ihre Erwartungen an die Leistung verändern. Die Eroberung von Straßen ist eine anspruchsvolle Aufgabe, die die Flexibilität der Automatisierung in unsicheren Umgebungen demonstrieren wird. Im Pittsburgh-Test von Uber müssen sich Autos an menschliche Fahrer anpassen, wie in einem Business Insider-Artikel erwähnt. Die fahrerlosen Autos von Uber haben Probleme. Änderungen der Beleuchtung und schlechte Bedingungen aufgrund von Stürmen sind weitere Variablen, die die Fahrzeuge bewältigen müssen.

Machine Vision wird autonome Fahrzeuge steuern, genau wie Vision-Systeme in kollaborativen Robotern nützlich sind. Sie wird in den Autos der Zukunft ebenso wie in autonomen Robotern in den Fabriken von heute und morgen eine große Rolle spielen.

Automation bringt eine Reihe von Disziplinen und Spezialisten aus Bereichen wie Bildgebung und Bewegungssteuerung zusammen, um Systeme zu erstellen. Bleiben Sie auf dem Laufenden und greifen Sie über A3automate.org auf Ressourcen zu.