Qu’est-ce que la vision par ordinateur et quels sont ses défis dans le monde des voitures autonomes ?

Les voitures autonomes sont un sujet controversé et fascinant, car elles s'appuient sur des systèmes avancés d'assistance à la conduite (ADAS) pour atteindre un niveau élevé de sécurité et de confort. Bien que les voitures entièrement autonomes n’existent pas encore, les technologies actuelles permettent des fonctions telles que la direction automatique et le stationnement automatique.

Ces voitures utilisent des systèmes de vision par ordinateur avancés pour analyser leur environnement et prendre des décisions intelligentes, en s'appuyant sur une variété de capteurs. Dans cet article, nous aborderons les bases de la vision par ordinateur et la manière dont elle améliore l'efficacité de la conduite automatisée, ainsi que les défis et les innovations futures attendus dans ce domaine.

Qu'est-ce que la vision par ordinateur ?

La vision par ordinateur 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 qui se concentre sur les applications industrielles de la détection d'objets orientée vision dans des machines autonomes telles que des robots et des véhicules.

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

Comment fonctionne la vision par ordinateur dans les voitures autonomes ?

La vision par ordinateur dans les voitures autonomes peut généralement être divisée en trois parties : le système de caméra, le traitement (edge ​​computing) et l'intelligence artificielle. Cette suite de technologies permet aux voitures autonomes de voir, de considérer et d’identifier divers signes et obstacles pendant la conduite. Discutons de chaque partie en profondeur pour comprendre comment ces technologies se connectent pour créer une vision artificielle pour une voiture autonome.

Système de caméra

La vision par ordinateur s’appuie sur des systèmes de caméras pour recueillir des informations visuelles sur l’environnement. Les voitures autonomes utilisent plusieurs caméras installées autour du véhicule pour collecter autant d’informations visuelles que possible.

Deux capteurs principaux sont utilisés dans les caméras de vision industrielle : les dispositifs à semi-conducteur à oxyde métallique complémentaire (CMOS) et les dispositifs à couplage de charge (CCD). Pour les voitures autonomes, la technologie CMOS est souvent préférée en raison de sa vitesse de lecture rapide, de son électronique puissante et de ses capacités de traitement parallèle, ce qui en fait le capteur le plus rapide. Des solutions telles que différents modes d'éclairage, la vision nocturne numérique et les filtres peuvent aider le capteur CMOS dans des conditions d'éclairage moins qu'idéales.

Pour les voitures autonomes, les caméras sont installées à certaines distances les unes des autres pour produire une vue 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. Cela permet aux voitures de trianguler et de calculer la distance approximative entre l'objet et la voiture.

Comme les humains ont deux yeux, nous bénéficions également d’une vision stéréoscopique. Vous pouvez tester cette vision par vous-même ; Fermez un œil et choisissez 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 de distance. Essayez de faire une pause de quelques secondes et remarquez à quel point vous vous sentez confiant dans votre approximation. Maintenant, essayez d’ouvrir les deux yeux et voyez à quel point votre sens de la profondeur s’améliore.

Informatique de pointe

L'informatique de pointe est le processus qui consiste à rapprocher le stockage des informations et la puissance de calcul de l'appareil qui génère ces données et des utilisateurs qui interagissent avec lui. Traditionnellement, les applications transmettaient des données provenant d’appareils intelligents, tels que des capteurs et des smartphones, à un centre de données central pour traitement. Cependant, la complexité et le volume sans précédent des données dépassaient les capacités du réseau. Les systèmes informatiques de pointe rapprochent les capacités de traitement des utilisateurs et des appareils, améliorant considérablement les performances des applications, réduisant les besoins en bande passante du réseau et fournissant des informations plus rapides et en temps réel.

Pendant que le système de caméra de la voiture autonome collecte des données, l'ordinateur de bord (processeur de bord) traitera toutes les entrées en temps réel pour mettre à jour le système sur l'état de l'environnement immédiatement. Bien que les tâches classiques de vision par ordinateur puissent permettre d'économiser de l'argent grâce au cloud computing, les voitures autonomes présentent tout simplement trop de risques pour être liées au cloud, même si cela est dû à l'externalisation du processus pour les besoins de la vision artificielle.

L’utilisation d’un ordinateur sophistiqué pour traiter les données d’entrée élimine les problèmes de latence et garantit que les données sont reçues, traitées et transmises en temps réel. Les ordinateurs avancés pour les voitures autonomes utilisent des ordinateurs spécialisés qui intègrent des processeurs graphiques IA tels que Tensor Core et CUDA Cores de NVIDIA.

Algorithmes d'intelligence artificielle

Les algorithmes ont toujours été un élément important de la vision artificielle. L'algorithme est ce qui permet à l'ordinateur de reconnaître tous les motifs, formes et couleurs fournis par le système de caméra. L’utilisation de l’intelligence artificielle au lieu des algorithmes traditionnels de vision par ordinateur 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 les voitures autonomes. Les plus populaires incluent :

1. YOLO (You Only Look Once) : un algorithme de détection d'objets en temps réel qui identifie et suit les objets dans le champ de vision de la voiture.
2. SIFT (Scale-Icar'sant Feature Conversion) : Utilisé pour extraire des caractéristiques, il aide la voiture à reconnaître des points de repère et des objets distinctifs dans son environnement.
3. Histogramme des dégradés dirigés (PORC) : Utilisé pour la reconnaissance d’objets, il se concentre sur l’extraction de motifs et de dégradés locaux à partir d’images.
4. TextonBoost : Un algorithme qui permet d'identifier les objets en analysant les textures de l'environnement.
5. AdaBoost : Utilisé pour classer les données, AdaBoost combine plusieurs classificateurs faibles pour prendre des décisions solides concernant les objets et les obstacles sur le chemin d'un véhicule.

L'importance de la vision par ordinateur dans les voitures autonomes

La vision par ordinateur est le principal moyen par lequel une voiture autonome détecte et comprend son environnement. Sans vision artificielle, les voitures autonomes seront probablement reléguées au niveau 1 sur l’échelle d’autonomie des véhicules et pourraient ne jamais atteindre une autonomie complète.

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 la circulation.

Bien que de nombreuses voitures autonomes utilisent désormais divers capteurs, tels que le LIDAR, le RADAR et le SONAR, elles s'appuient toutes fortement sur la vision par ordinateur pour voir l'environnement, identifier les objets et comprendre la signification des panneaux de signalisation et des feux de circulation. Tous ces capteurs supplémentaires sont là uniquement pour améliorer la vision artificielle et renforcer la sécurité des personnes, des animaux et des biens.

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

Bien que cela ne remette pas nécessairement en question l’utilité d’autres technologies de détection, cela démontre l’importance et la puissance de la vision par ordinateur dans les voitures autonomes.

Foire Aux Questions

Q1. Qu'est-ce que la technologie de vision par ordinateur ? Dans les voitures autonomes ?

La technologie de vision par ordinateur est un système matériel et logiciel permettant d'analyser et d'interpréter des images et des vidéos pour permettre aux voitures autonomes de reconnaître leur environnement et de prendre des décisions pendant la conduite.

Q2. Comment fonctionne la technologie de vision par ordinateur En voiture ?

La voiture est équipée de plusieurs caméras et capteurs qui capturent des images et des vidéos de son environnement. Ces données sont traitées à l'aide d'un logiciel avancé pour analyser les images et reconnaître différents objets et points de repère sur la route.

Q3. Quelle est l’importance de la technologie de vision par ordinateur ? En conduite autonome ?

La technologie de vision par ordinateur est essentielle à la conduite autonome, lui permettant de reconnaître les panneaux de signalisation, les autres véhicules et les obstacles sur la route. Ces informations en direct constituent la base de la prise de décision automatisée, notamment en matière de pilotage du véhicule et d’évitement des accidents.

Q4. Quels sont les défis auxquels est confrontée la technologie de vision industrielle ?

Les défis auxquels est confrontée la technologie de vision par ordinateur comprennent des facteurs tels que les conditions météorologiques défavorables comme le brouillard et la pluie, la difficulté à reconnaître des objets dans l'obscurité totale, ainsi que la protection des données et la confidentialité.

Q5. Quelles sont les évolutions futures attendues dans ce domaine ?

La technologie de vision par ordinateur devrait continuer à évoluer, avec de meilleures applications de l’intelligence artificielle et des capacités de détection et de reconnaissance d’images améliorées. Il est également possible d’étendre l’utilisation de cette technologie à d’autres domaines que l’automobile.

L'avenir de la vision industrielle dans les voitures autonomes

La vision par ordinateur est le fondement des voitures autonomes. Grâce à la vision artificielle, les voitures peuvent voir et percevoir l’environnement comme le font les humains. Bien que des défis subsistent, les avantages de la vision par ordinateur 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’intelligence artificielle, d’informatique de pointe et/ou de technologie de caméra rendra les voitures autonomes plus efficaces, ce qui les amènera probablement à un niveau d’automatisation plus élevé.