Otonom araçlarda bilgisayarla görmenin gerçek zamanlı algılama ve karar vermeyi nasıl sağladığını, güvenliği ve genel sürüş deneyimini nasıl iyileştirdiğini keşfedin.
Sürücüsüz araçlar artık sadece fütüristik bir fikir değil; otonom sürüş için yapay zeka (AI) alanındaki ilerlemeler sayesinde gerçeğe dönüşüyorlar. Bu araçlar büyük ölçüde gelişmiş yapay zeka sistemlerine, özellikle de bilgisayar görüşüEtraflarındaki dünyayı anlamak ve yorumlamak için. Bu teknoloji, nesneleri tanımlamalarını, yol işaretlerini tanımalarını ve karmaşık ortamlarda gerçek zamanlı olarak güvenli bir şekilde gezinmelerini sağlar.
ile küresel otonom araç pazari 2021'de 27 milyar ABD dolarının üzerinde bir değere sahip olan ve 2026'ya kadar yaklaşık 62 milyar ABD dolarına ulaşması beklenen yapay zekanın otonom sürüş ulaşımın geleceğini şekillendiriyor. Bu makalede, bilgisayarla görmenin sürücüsüz araçlarda nasıl uygulandığına daha yakından bakacağız ve yaya algılama, trafik işareti tanıma ve şerit takip sistemleri gibi temel uygulamaları ele alarak bu yeniliklerin sürüşün geleceğini nasıl dönüştürdüğünü göstereceğiz.
Yapay zeka, sürücüsüz araçların çevrelerini anlamalarına ve gerçek zamanlı kararlar almalarına büyük ölçüde yardımcı olabilir. Otonom sürüşün güvenilirliğini artıran iki temel unsur olan yaya algılama ve trafik işaretlerini tanıma konusunda yapay zekanın birçok uygulamasının yanı sıra nasıl yardımcı olduğunu inceleyelim.
Araç kullanmak, direksiyon başındayken sürekli konsantrasyon ve etrafınızda olup bitenlerin farkında olmayı gerektirir. Sürücüsüz araçlardaki yapay zeka, araçlarımızın günlük kullanımının sayısız yönüne yardımcı olabilir. Örneğin, yapay zeka yayaları tespit ederek ve hareketlerini tahmin ederek onları güvende tutmada önemli bir rol oynayabilir. Buna göre "Sürücüsüz Araçlarda Yaya Algılama Çalışması"Bu süreç, yollar, kaldırımlar ve yaya geçitleri de dahil olmak üzere çevrenin tam bir görüntüsünü yakalamak için aracın her tarafına yerleştirilen araç kameralarıyla başlar. Bu kameralar sürekli olarak görsel veriler alıyor ve bu da aracın yoğun veya zorlu durumlarda bile yayaları "görmesine" yardımcı oluyor.
Toplanan görsel veriler daha sonra aşağıdaki gibi bilgisayarla görme modelleri kullanılarak işlenebilir Ultralytics YOLOv8. Bunu yapmak için ilk adım nesne algılama Bu da görüntüdeki yayalar, araçlar ve trafik işaretleri gibi potansiyel nesnelerin konumunun belirlenmesini gerektirir. Algılandıktan sonra, AI modeli bir sonraki adıma geçer, yani sınıflandırma-Tespit edilen her bir nesnenin gerçekte ne olduğunu belirleme. Modeller şunlardır eğitimli uçsuz bucaksız veri kümeleriBu sayede yayaları çeşitli pozlarda, aydınlatma koşullarında ve ortamlarda, kısmen gizlenmiş veya hareket halinde olsalar bile tanıyabilirler.
Bazı bilgisayarla görme modelleri algılama ve sınıflandırma konusunda mükemmelken, diğerleri algılanan yayaların hareketlerini tahmin etme gibi görevlere odaklanır. Bu sistemlerde, bir nesne yaya olarak sınıflandırıldıktan sonra, yapay zeka modeli bir sonraki hareketini tahmin ederek bir adım daha ileri gider. Örneğin, bir kişi yaya geçidinin kenarında duruyorsa, araç bu kişinin yola girip girmeyeceğini tahmin edebilir. Bu öngörü yeteneği, aracın olası bir tehlikeden kaçınmak için yavaşlayarak, durarak veya yön değiştirerek gerçek zamanlı olarak tepki vermesi için çok önemlidir. Bu kararları daha da akıllı hale getirmek için, yapay zeka sistemleri kameralardan gelen görsel verileri LIDAR gibi diğer sensörlerden gelen girdilerle birleştirerek araca çevresini daha eksiksiz bir şekilde anlamasını sağlayabilir.
TSR'nin kısaltması olan trafik işareti tanıma, sürücüsüz araçların bir diğer önemli parçasıdır. Aracın dur işaretleri, hız sınırları ve yönler gibi yol işaretlerini gerçek zamanlı olarak tanımasına ve bunlara yanıt vermesine yardımcı olur. Bu, aracın trafik kurallarına uymasını, kazalardan kaçınmasını ve yolcuların sorunsuz ve güvenli bir sürüşün keyfini çıkarmasını sağlar.
TSR'nin özünde, işaretleri tanımlamak için aracın kameralarını kullanan derin öğrenme algoritmaları vardır. Bu sistemlerin yağmur, düşük ışık ya da tabelaya belli bir açıdan bakılması gibi farklı koşullarda çalışması gerekiyor. Eski yöntemler tabelaların şeklini ve rengini analiz etmek gibi tekniklere dayanır, ancak kötü hava koşulları gibi karmaşık durumlarda genellikle başarısız olabilirler.
Araştırma makalesinde "Çok sınıflı trafik işareti tespiti için YOLOv8 tabanlı bir yaklaşım" başlıklı makalede yazarlar YOLOv8 trafik işaretlerinin bulunduğu görüntü alanlarını belirlemek için bir model geliştirmiştir. Model, farklı açılar, aydınlatma ve mesafeler gibi çeşitli koşullar altında trafik işaretlerinin görüntülerini içeren bir veri kümesi üzerinde eğitilmiştir. Bir kez YOLOv8 modeli algılar trafik işaretleri içeren bölgeleri doğru bir şekilde sınıflandırarak %80,64 gibi etkileyici bir hassasiyete ulaşmıştır. Bu yetenekler, önemli trafik işaretlerini gerçek zamanlı olarak tanımlayarak otonom araçların yol koşullarını anlamasına yardımcı olabilir ve potansiyel olarak daha güvenli sürüş kararlarına katkıda bulunabilir.
Yapay zeka, sürücüsüz araçların çalışma şeklini giderek değiştirerek onları daha güvenli ve daha verimli hale getiriyor. Akıllı algoritmalar ve verileri hızlı bir şekilde işleme yeteneği sayesinde bu araçlar tehlikeleri tespit edebilir, daha iyi sürüş kararları verebilir ve hatta çevre üzerindeki etki. İşte yapay zekanın sürücüsüz araçlara getirdiği başlıca faydalardan bazıları.
Yapay zeka, tehlikelerin gerçek zamanlı olarak tespit edilmesini ve bunlara müdahale edilmesini sağlayarak sürücüsüz araçlarda güvenliği artırabilir. Ulusal Karayolu Trafik Güvenliği İdaresi (NHTSA) tarafından hazırlanan bir rapora göre, 94% ciddi kazaların çoğu insan hatasından kaynaklanmaktadır. Yapay zeka, insan sürücülerden daha hızlı tepki vererek bu tür kazaları azaltma potansiyeline sahiptir ve otonom sistemler daha gelişmiş hale geldikçe kaza oranlarını %90 oranında düşürme potansiyeline sahiptir.
Otonom araç nesne tespitinde yapay zeka sadece güvenliğe yardımcı olmakla kalmaz, aynı zamanda trafik akışını da iyileştirir. Bu araçlar yapay zeka kullanarak hızlarını ayarlayabilir, optimum mesafeyi koruyabilir ve ani frenleme veya hızlanma ihtiyacını azaltabilir. trafik sıkışıklığı. Yapay zeka algoritmaları ayrıca araçların en verimli rotaları takip etmesini, gereksiz duraklamalardan kaçınmasını ve yakıt tüketimini insan sürücülerden daha iyi yönetmesini sağlayarak yakıt verimliliğini optimize eder. Sonuç olarak, yapay zeka yalnızca sürüş deneyimini iyileştirmekle kalmaz, aynı zamanda emisyonların ve yakıt maliyetlerinin azaltılmasına da katkıda bulunur.
Sürücüsüz araçların geleceği, ortam veya durum ne olursa olsun insan müdahalesine ihtiyaç duymadan tamamen otonom sürüş anlamına gelen Seviye 5 otonomiye ulaşmak etrafında dönüyor. Teknolojinin nereye doğru ilerlediğini anlamak için, otonom sürüşün Avrupa Komisyonu tarafından tanımlanan beş seviyesini ayırmak önemlidir Otomotiv Mühendisleri Derneği (SAE):
Şu anda piyasada bulunan araçların çoğu, otomobilin direksiyon ve hız kontrolüne yardımcı olabildiği ancak yine de sürücünün devrede kalmasını gerektiren Seviye 2 özerklikte çalışmaktadır. Mercedes-Benz belirli koşullar altında sürücülerin ellerini direksiyondan, gözlerini yoldan ayırmalarına ve çevrelerini görmelerine olanak tanıyan Seviye 3 otonomiye ulaşan ilk şirketlerden biridir.
Bununla birlikte, araçların yoğun şehir merkezlerinden uzak kırsal yollara kadar tüm arazilerde harita veya insan müdahalesi olmadan seyredebildiği Seviye 5 otonomiye ulaşmak önemli zorlukları beraberinde getirmektedir. Bu zorluklar arasında öngörülemeyen ortamlarda gerçek zamanlı kararlar verebilen gelişmiş yapay zeka geliştirmek, karmaşık hava koşullarıyla başa çıkmak ve tüm sürüş senaryolarında güvenliği sağlamak yer alıyor.
Yapay zeka, sürücüsüz araçları daha da gerçeğe dönüştürmenin anahtarıdır. Bu araçların nesneleri algılamasına, trafik işaretlerini tanımasına, şeritlerinde kalmasına ve aşağıdaki gibi bilgisayarla görme modelleriyle yardımcı olur YOLOv8, yardımcı olmak trafi̇k yöneti̇mi̇ve otopark yöneti̇mi̇ni̇n opti̇mi̇ze edi̇lmesi̇sürüşü daha güvenli ve sorunsuz hale getiriyor. YOLO ve CNN'ler gibi teknolojiler otomobillerin yolda akıllı kararlar almasını sağlıyor. Şu anda çoğu sürücüsüz araç, sürüşe yardımcı oldukları ancak yine de insan dikkatine ihtiyaç duydukları Seviye 2'de çalışıyor ve sınırlı eller serbest sürüşe izin veren Seviye 3 otonomi test ediliyor.
Önümüzdeki en büyük zorluk, otomobillerin insan yardımı olmadan her koşulda kendi kendilerini sürebilecekleri Seviye 5 otonomiye ulaşmaktır. Bu, beklenmedik olaylarla başa çıkmak ve her durumda gerçek zamanlı kararlar alabilen sistemler oluşturmak için daha fazla çalışma gerektirecektir. Yapay zeka geliştikçe, tamamen kendi kendine giden otomobiller daha güvenli yollar ve daha konforlu bir sürüş deneyimi vaat ederek yaklaşıyor.
Yapay zekayı merak mı ediyorsunuz? Bizim keşfedin GitHub deposu Çığır açan projelere dalmak ve büyüyen şirketimizle bağlantı kurmak için topluluk. Kimden sağlık hizmetleri yeniliklere yönelik atılımlar kendi kendine sürüşYapay zekanın geleceğine yön veriyoruz!
Makine öğreniminin geleceği ile yolculuğunuza başlayın
