Qu'est-ce que la vision industrielle et quelle est son importance pour les voitures autonomes ?

Points clés à retenir

• Les voitures autonomes s'appuient sur la technologie de vision industrielle pour voir et comprendre leur environnement, leur permettant de détecter des objets, d'identifier des panneaux et de naviguer sur la route.
• La vision industrielle dans les voitures autonomes comprend un système de caméra, de l'informatique de pointe et des algorithmes d'IA, qui travaillent ensemble pour collecter des informations visuelles, les traiter en temps réel et identifier des modèles et objets.
• La vision industrielle est cruciale pour atteindre une autonomie totale dans les voitures autonomes, car elle permet la classification des objets, la détection des voies et des signaux, l'identification des panneaux et la reconnaissance du trafic. L’avenir des véhicules autonomes réside dans les progrès de l’IA, de l’informatique de pointe et de la technologie des caméras.

Les voitures autonomes ont toujours attiré l’attention. Même si nous n'avons peut-être pas encore de voitures entièrement autonomes, nous avons des voitures dotées de fonctionnalités avancées. systèmes d'aide à la conduite (ADAS) capables de diriger automatiquement, de changer de voie, de se garer et régulateur de vitesse sensible au trafic.

Une voiture autonome utilise de nombreux capteurs pour son ADAS, la vision industrielle étant le principal moyen de détecter, d'identifier et de calculer la distance des objets et de l'environnement général. Sans vision industrielle, les voitures autonomes dotées d’un régulateur de vitesse et d’un pilote automatique sont très peu probables.

Qu’est-ce que la vision industrielle?

La vision industrielle est une technologie qui permet aux machines de voir et de reconnaître des objets dans leur environnement. Il s'agit d'un sous-ensemble de la vision par ordinateur qui se concentre sur les applications industrielles de la détection d'objets orientée vision dans les machines autonomes telles que les robots et les véhicules.

La vision industrielle utilise aujourd'hui des algorithmes d'apprentissage profond de l'IA tels que les réseaux de neurones convolutifs (CNN) créer des modèles robustes et bien généralisés capables d'identifier avec précision des objets dans divers conditions. Il permet de mettre en œuvre la vision industrielle sur diverses tâches nécessitant une plus grande fiabilité dans les domaines de la fabrication, de l'agriculture, de la robotique et de l'automobile.

Comment fonctionne la vision industrielle dans les voitures autonomes?

La vision industrielle dans les voitures autonomes peut généralement être divisée en trois parties: le système de caméra, le traitement (edge ​​computing) et l’IA. Cette pile technologique permet à un véhicule autonome de voir, de réfléchir et d'identifier les panneaux et les obstacles pendant la conduite. Discutons de chaque partie en profondeur pour comprendre comment ces technologies s'articulent pour former la vision industrielle d'une voiture autonome.

Système de caméra

La vision industrielle s'appuie sur des systèmes de caméras pour recueillir des informations visuelles sur l'environnement. Les voitures autonomes utilisent plusieurs caméras installées autour de la voiture pour recueillir autant d'informations visuelles que possible.

Deux capteurs principaux sont utilisés dans les caméras de vision industrielle: les semi-conducteurs à oxyde métallique complémentaires (CMOS) et dispositifs à couplage de charge (CCD). Pour les voitures autonomes, le CMOS est souvent préféré pour sa vitesse de lecture rapide et sa puissance à bord l'électronique et les capacités de traitement parallèle, ce qui en fait le capteur le plus rapide, bien que sujet au bruit ou des artefacts. Des solutions, telles que différents modes d'éclairage, une vision nocturne numérique et des filtres, peuvent aider le capteur CMOS dans des conditions d'éclairage loin d'être idéales.

Pour les voitures autonomes, des caméras sont installées à certaines distances les unes des autres pour produire une vision stéréoscopique. La vision stéréoscopique est la capacité de combiner deux ou plusieurs entrées visuelles, créant une impression de profondeur ou de tridimensionnalité dans les objets et l'environnement. Ceci, à son tour, permet aux voitures de trianguler et de calculer la distance approximative entre l'objet et la voiture.

Puisque les humains ont deux yeux, nous bénéficions également d’une vision stéréoscopique. Vous pouvez le tester vous-même; fermez un œil et sélectionnez un petit objet sur votre bureau. Placez votre main sur le côté de l'objet et assurez-vous que la pointe de l'objet est à au moins deux pouces. Essayez de faire une pause de quelques secondes et voyez à quel point vous êtes confiant dans votre approximation. Maintenant, essayez d’ouvrir les deux yeux et voyez à quel point votre sens de la profondeur est bien meilleur.

Ordinateur de bord

Pendant que le système de caméra de la voiture autonome collecte des données, un ordinateur de bord (processeur Edge) traitera toutes les entrées en temps réel pour mettre à jour le système sur l'état de l'environnement immédiatement. Bien que les tâches typiques de vision industrielle puissent permettre d'économiser de l'argent grâce au cloud computing, il y a tout simplement trop de choses à faire. risque pour les voitures autonomes d'être connectées au cloud, même s'il s'agit d'externaliser le processus dans ses exigences en matière de vision industrielle.

L'utilisation d'un ordinateur de pointe pour traiter les données d'entrée élimine les problèmes de latence et garantit que les données sont reçues, traitées et communiquées en temps réel. Les ordinateurs Edge pour voitures autonomes utilisent des ordinateurs spécialisés intégrant des processeurs graphiques IA tels que les cœurs Tensor Core et CUDA de NVIDIA.

Algorithmes d'IA

Les algorithmes ont toujours joué un rôle crucial dans la vision industrielle. L'algorithme est ce qui permet à un ordinateur d'identifier tous les motifs, formes et couleurs fournis par le système de caméra. L’utilisation de l’IA par rapport aux algorithmes de vision industrielle plus traditionnels améliore considérablement la capacité d’une voiture autonome à identifier de manière fiable les objets, les panneaux de signalisation, les marquages ​​routiers et les feux de circulation. De nombreux algorithmes d’IA sont utilisés pour former des voitures autonomes. Les plus populaires incluent :

• YOLO (On ne regarde qu'une fois) : Un algorithme de détection d'objets en temps réel qui identifie et suit les objets dans le champ de vision de la voiture.
• SIFT (Scale-Icar'sant Feature Transform) : Utilisé pour l’extraction de caractéristiques, il aide la voiture à reconnaître des points de repère et des objets distinctifs dans son environnement.
• Histogramme des dégradés orientés (HOG) : Utilisé pour la reconnaissance d'objets, il se concentre sur l'extraction de motifs et de dégradés locaux à partir d'images.
• TextonBoost : Un algorithme qui aide à la reconnaissance des objets en analysant les textures de l'environnement.
• AdaBoost : Utilisé pour la classification des données, AdaBoost combine plusieurs classificateurs faibles pour prendre des décisions fortes concernant les objets et les obstacles sur le chemin du véhicule.

L'importance de la vision industrielle dans les voitures autonomes

La vision industrielle est le principal moyen permettant à une voiture autonome de détecter et de comprendre son environnement. Sans vision industrielle, il est très probable que les voitures autonomes soient repoussées au niveau 1 à l’échelle mondiale. échelle d'autonomie du véhicule et pourrait ne jamais atteindre sa pleine autonomie.

Grâce à la vision industrielle, les voitures autonomes sont désormais capables de classer des objets, de détecter des voies et des signaux, d'identifier des panneaux et de reconnaître le trafic.

Bien que de nombreux véhicules autonomes utilisent désormais divers capteurs, tels que LIDAR, RADAR et SONAR, tous s'appuient largement sur vision industrielle pour voir l'environnement, identifier les objets et comprendre la signification des panneaux et des feux de circulation sur le route. Tous ces capteurs supplémentaires ne sont là que pour augmenter la vision industrielle et renforcer la sécurité des personnes, des animaux et des propriétés.

Cela dit, la vision industrielle peut fonctionner de manière indépendante sans l’aide d’autres capteurs pour fournir des capacités de pilote automatique. En fait, les dernières voitures autonomes de Tesla ont abandonné le RADAR et s'appuient désormais uniquement sur la vision industrielle pour leur système de pilote automatique.

Bien que cela ne signifie rien pour discréditer l’utilité des autres technologies de capteurs, cela montre l’importance et la puissance de la vision industrielle dans les voitures autonomes.

L'avenir de la vision industrielle dans les véhicules autonomes

La vision industrielle est le fondement des voitures autonomes. Grâce à la vision industrielle, les voitures peuvent voir et percevoir l’environnement exactement comme le font les humains. Même si les défis persistent, les avantages de la vision industrielle en termes de sécurité et de navigation ne peuvent être sous-estimés. Quant à l’avenir des véhicules autonomes, toute nouvelle avancée en matière d’IA, d’informatique de pointe et/ou de caméra La technologie rendra sûrement les voitures autonomes plus performantes, ce qui les amènera probablement à un niveau plus élevé de automatisation.