نحوۀ کار دوربین های صنعتی در خودروهای بدون راننده چگونه است؟ پشت صحنۀ این تکنولوژی چیست؟ چه سخت افزارها و نرم افزارهایی در این روند درگیر هستند؟ چالش‌های پیش روی این صنعت کدامند؟ برای پاسخ به این سؤالات و شناخت بیشتر دنیای جذاب هوش مصنوعی و یادگیری ماشینی در این مقاله همراه ما باشید.
در سال‌های اخیر ما شاهد پیشرفت چشمگیری در زمینۀ انواع دوربین صنعتی و کاربرد آن در هوش مصنوعی و خودروهای بدون راننده بوده‌ایم. برآورد شده است تا ده سال آینده به کمک دوربین صنعتی در یادگیری ماشینی، مهارت بهترین رانندگان به خودروهای بدون راننده انتقال خواهد یافت و دیگر نیازی به انسان در هدایت وسایل نقلیه نیست. باید به این نکته توجه داشت که خودروهای بدون راننده تنها شامل خودروهای حمل و نقل مسافر نیست، بلکه طیف وسیعی از کارکردها همچون لیفتراک، جابجایی بار و انجام کارهای خطرناک در شرایط اضطراری را در بر می‌گیرد.
دوربین های صنعتی چیستند و چگونه کار می کنند؟
دوربین های صنعتی امروزه در زمینههای مختلف، به ویژه در نظارت بر تولید و طیف وسیعی از فعالیتهای پیچیده استفاده میشوند. دوربینهای دیجیتال صنعتی معمولاً از دوربینهای دیجیتال معمولی قویتر است. چرا که باید قادر به کنترل مجموعه‌ای از عوامل محیطی و همچنین کار کردن در محیط‌هایی با شرایط آب و هوایی مختلف باشد.
تفاوت‌های دیگری هم میان این دوربین‌ها و دوربینهای معمولی وجود دارد. مانند کیفیت تصاویر در دوربینهای صنعتی که اغلب بسیار بالاتر است و تصاویر را با جزئیات زیاد ثبت میکند. چرا که از دوربینهای صنعتی در اندازه‌گیری‌های تخصصی استفاده می‌شود. چیزهایی مانند منظره‌یاب، شاتر و فلاش در دوربینهای صنعتی وجود ندارد. این دوربین‌ها با یک رابط به کامپیوتر متصل میشوند و به کمک یک کابل 1/0 راه‌اندازی می‌گردند. نرم افزاری که بر روی کامپیوتر وجود دارد، سیگنال‌های لازم را برای گرفتن تصویر و هدایت دوربین ارسال میکند.
چگونه بینایی ماشین صنعت خودرو را متحول کرده است؟
بینایی ماشین از طریق دوربینهای صنعتی و الگوریتم‌های نرم افزاری جهت پردازش و تفسیر تصاویر استفاده میکند. اصطلاحا به بینایی ماشین، چشم سیستم اتوماتیک نیز می‌گویند. بینایی ماشین معمولاً از سه بخش تشکیل شده است؛ دوربین، نرم افزاری که بر روی یک سخت افزار نصب است و یک تصویر را تجزیه و تحلیل و تفسیر میکند، و در نهایت سیستمی که برای ارسال دستورات به سیستم خودکار عمل میکند.
یکی از استفاده‌های رو به رشد از دوربینهای صنعتی در خودرو، سیستم‌های کمک رانندۀ پیشرفته یا ADAS است. این صنعت که بسیار آرام و بی سر و صدا به یک موفقیت بزرگ در فناوری تبدیل شد، قابلیت‌های بسیاری را برای رانندگی اتوماتیک فراهم کرده است. دانشمندان این عرصه در تلاش هستند تا دوربینهای صنعتی و سایر فناوری‌های حسگر مانند رادارها، را ارتقا دهند. چرا که سنسورهای تصویر معمولی برای استفاده در تاریکی و یا در شرایط آب و هوایی مناسب، بهینه نیستند.
این دوربین‌ها و سنسورها نه تنها در خارج از ماشین، بلکه در داخل ماشین نیز باید وجود داشته باشد و راننده را نسبت به خطرات جاده‌ای، رفتارهای پرخطر راننده یا سرنشینان و یا نقاط پارکینگ آگاه کند. حتی در آیندۀ نزدیک امکان اشتراک اطلاعات وسایل نقلیه با یکدیگر وجود دارد تا اطلاعات ترافیکی مسیر و یا نمای خیابان در اختیار سایر اتومبیل‌های خودران نیز قرار گیرد.
این امر بدون استفاده از الگوریتم‌ها و کتابخانه‌هایی چون OpenCV ممکن نیست. در واقع شرکت‌هایی چون اینتل، برنامه‌های خودروی بدون راننده را یکی از انگیزه‌های خود برای ورود به این عرصه معرفی کرده‌اند. این شرکت‌ها به خوبی می‌دانند که برای رساندن این تکنولوژی به تولید انبوه، نیاز به تولید محصولات با قیمت رقابتی است. همچنین باید الگوریتم‌ها و شیوه‌های تشخیص ساده و ارزان و در عین حال کارآمد و قابل اعتماد باشد.
چالش های پیش رو در کاربرد دوربین های صنعتی در خودروهای بدون راننده
یکی از چالش‌های اصلی در صنعت خودرو، ایجاد یک ارتباط نزدیک و یکپارچگی در بینایی ماشین با قطعۀ منطقی قابل برنامه ریزی (PLD) است. این قطعه برای ساخت مدارهای دیجیتالی استفاده می‌شود. با ادغام این دو فناوری، خودروسازان می‌توانند در هزینه‌های خود صرفه‌جویی کنند، فرآیندهای تولید خودروی بدون راننده را تسریع و آن را کارآمدتر کنند.
ایجاد نقشۀ سه بعدی
یکی دیگر از چالش‌های پیش روی برنامه‌نویسان، ایجاد نقشه‌های سه بعدی است. نقشۀ سه بعدی به خودروهای بدون راننده امکان می‌دهد تا داده‌های بصری را در real-time ضبط کنند. دوربینهای صنعتی متصل به چنین وسیلۀ نقلیه‌ای باید امکان ضبط فیلم به صورت زنده را داشته باشند. به وسیلۀ تصاویر ارسالی از این دوربین‌هاست که دید ماشینی می‌تواند نقشه‌های سه بعدی تولید کند. با کمک این نقشه‌ها، هوش مصنوعی محیط اطراف خود را بهتر درک میکند، موانع موجود در مسیر را شناسایی می‌نماید و می‌تواند مسیرهای جایگزین را هم پیدا کند.
خودروهای بدون راننده می‌توانند تصادفات را با استفاده از نقشه‌های سه بعدی پیش‌بینی کنند و فوراً کیسه‌های هوا را برای محافظت از مسافران فعال نمایند. به این ترتیب آن‌ها حتی خودروهایی ایمن‌تر و قابل اطمینان‌تر خواهند بود. به کمک دوربین های صنعتی در خودروهای بدون راننده می‌توان از تصادفات و یا آسیب دیدن مسافران جلوگیری کرد.
جمع آوری و پردازش اطلاعات
از مهم‌ترین بخش‌های رانندگی خودران، تشخیص اشیا و طبقه‌بندی اطلاعات آن است. دوربینهای صنعتی و حسگرها با ایجاد پرتوهای لیزر پالسی فاصلۀ واقعی اشیا را به دست می‌آورند. داده‌های به دست آمده را می‌توان با نقشه‌های سه بعدی ترکیب کرد تا اشیایی مانند چراغ راهنمایی، وسایل نقلیۀ دیگر و عابران پیاده شناسایی شوند. چنین داده‌هایی باید فوراً پردازش شوند و به صورت بلادرنگ تصمیم گرفته شود. بنابراین دوربینهای صنعتی به کمک بینایی کامپیوتر برای تشخیص موانع کاربرد دارند.
خودروهای بدون راننده، برای رانندگی مستقل نیاز به تشخیص دقیق الگو و توان محاسباتی بالا دارند. یکی از چالش‌های اصلی خودروهای خودران مجهز به هوش مصنوعی دستیابی به مجموعه داده‌هایی برای یادگیری ماشین است. همچنین اطلاعات باید کدگذاری و یا برچسب‌گذاری شود. دقت در این پروژه‌ها بسیار اهمیت دارد. افزایش نیروی کار، باز نگه داشتن ارتباطات و راه‌اندازی یک سیستم بازخورد مؤثر، به جلوگیری از اشتباهات کمک میکند. به همین خاطر است که کتابخانه‌هایی چون OpenCV در این صنعت اهمیت پیدا می‌کنند.
تشخیص و پردازش اطلاعات در نور کم
برای پردازش تصاویر و ویدیوها در نور کم، پردازشگرهای وسایل نقلیۀ خودران از الگوریتم‌های متفاوتی نسبت به نور روز استفاده می‌کنند. تصاویر گرفته شده در نور کم ممکن است تار باشند و چنین داده‌هایی برای وسایل نقلیه به اندازۀ کافی دقیق نباشد. به این ترتیب به محض اینکه بینایی ماشین شرایط نور کم را تشخیص دهد می‌تواند به حالت کم نور تغییر کند. می‌توان از دوربینهای حرارتی و یا حسگرهای LiDar و HDR در این شرایط استفاده کرد.
در آخر این نکته را عنوان می‌کنیم که اگر شما می‌خواهید بیشتر در مورد دوربینهای صنعتی و کاربرد آن اطلاعات داشته باشید، می‌توانید به مطالب استاندارد GenICam و فرآیند Binning مراجعه کنید.
