شرکت شهاب نرم افزار پلاک خوان | دوربین پلاک خوان | تشخیص چهره
در این مقاله جامع بررسی می کنیم که خودروهای بدون سرنشین چگونه با استفاده از لیدار، رادار و هوش مصنوعی محیط اطراف را درک کرده و با دقت بالا مسیریابی می کنند.
دنیای امروز با سرعتی باورنکردنی به سمت هوشمند سازی حرکت می کند و یکی از هیجان انگیز ترین جلوه های این پیشرفت، حضور وسایل نقلیه ای است که بدون نیاز به دخالت انسان حرکت می کنند. شاید برای بسیاری از شما این سوال پیش آمده باشد که یک ماشین بی جان چگونه می تواند مانند یک راننده حرفه ای موانع را تشخیص دهد، چراغ های راهنمایی را بفهمد و در ترافیک های سنگین تصمیمات لحظه ای بگیرد. پاسخ به این سوال در ترکیبی پیچیده از سخت افزار های پیشرفته و الگوریتم های هوش مصنوعی نهفته است که به این خودرو ها اجازه می دهد “دیدن” را به شکلی متفاوت از چشم انسان تجربه کنند.
ما در عصر تحول دیجیتال زندگی می کنیم و شرکت های پیشرو مانند شرکت شهاب با تمرکز بر حوزه هایی نظیر هوش مصنوعی و بینایی ماشین، در تلاش هستند تا زیرساخت های لازم برای این فناوری ها را در کشور فراهم کنند. اگر به دنبال درک عمیق تکنولوژی پشت پرده این ماشین های هوشمند هستید، این مقاله جامع دقیقاً برای شما نوشته شده است تا با جزئیات فنی و کاربردی سیستم های ادراکی آن ها آشنا شوید.
خودروهای بدون سرنشین
خودروهای بدون سرنشین با استفاده از مجموعه ای هماهنگ از سنسورها شامل لیدار (LiDAR)، رادار، دوربین های با کیفیت و حسگرهای التراسونیک، داده های محیطی را به صورت ۳۶۰ درجه جمع آوری می کنند. این داده ها توسط پردازنده های مرکزی قدرتمند و الگوریتم های یادگیری عمیق تحلیل می شوند تا نقشه ای سه بعدی و زنده از محیط ساخته شود. به این ترتیب، خودرو می تواند موقعیت دقیق خود، فاصله تا موانع، سرعت سایر وسایل نقلیه و حتی پیش بینی رفتار عابران پیاده را با دقتی بالاتر از چشم انسان تشخیص دهد.
برای کسب اطلاعات بیشتر در زمینه راهکارهای هوشمند سازی و سیستم های حمل و نقل پیشرفته، می توانید با کارشناسان ما در شرکت شهاب از طریق وب سایت https://shahaab-co.com در ارتباط باشید. تیم متخصص ما آماده ارائه مشاوره در حوزه های پردازش تصویر و پیاده سازی سیستم های مبتنی بر هوش مصنوعی برای سازمان ها و کسب و کارها می باشد.
تکنولوژی لیدار و نقش آن در ادراک محیطی
لیدار یا همان تشخیص و فاصله یابی نوری، قلب تپنده سیستم بینایی در اکثر خودروهای بدون سرنشین محسوب می شود. این سنسور با ارسال هزاران پالس لیزر در ثانیه به اطراف و اندازه گیری زمان بازگشت آن ها، یک ابر نقاط (Point Cloud) ایجاد می کند. این ابر نقاط در نهایت به یک مدل سه بعدی بسیار دقیق از محیط تبدیل می شود که در آن هر مانعی، از یک سطل زباله کوچک گرفته تا ساختمان های بلند، با دقت میلی متری مشخص شده است.
برخلاف دوربین ها که در شرایط نوری ضعیف ممکن است دچار خطا شوند، لیدار به دلیل استفاده از منبع نور اختصاصی خود (لیزر)، در تاریکی مطلق نیز به خوبی عمل می کند. این ویژگی باعث می شود که ایمنی خودرو در شب به طرز چشمگیری افزایش یابد. با این حال، لیدار نیز با چالش هایی روبرو است؛ برای مثال در شرایط جوی بسیار نامساعد مانند مه غلیظ یا بارش شدید برف، ذرات معلق در هوا می توانند باعث پراکندگی پرتوهای لیزر شوند و دقت دستگاه را کاهش دهند.
توسعه دهندگان سیستم های خودران در تلاش هستند تا با کاهش هزینه های تولید سنسورهای لیدار و کوچک سازی آن ها، استفاده از این تکنولوژی را در خودروهای تجاری مقرون به صرفه تر کنند. در حال حاضر، لیدارهای حالت جامد (Solid-State LiDAR) به عنوان نسل جدید این سنسورها، نوید بخش پایداری بیشتر و قیمت کمتر برای آینده صنعت حمل و نقل هستند.
دوربین های بینایی ماشین و تشخیص علائم جاده ای
اگر لیدار را حس لامسه از راه دور در نظر بگیریم، دوربین ها بدون شک چشم های بینای خودروهای بدون سرنشین هستند. دوربین های نصب شده بر روی این خودروها وظیفه دارند رنگ ها، متن ها و بافت های محیطی را تشخیص دهند؛ کارهایی که رادار و لیدار به تنهایی قادر به انجام آن نیستند. تشخیص قرمز یا سبز بودن چراغ راهنمایی، خواندن تابلوهای محدودیت سرعت و شناسایی خط کشی های جاده تنها از طریق بینایی ماشین و پردازش تصویر امکان پذیر است.
سیستم های مدرن معمولاً از ترکیب چندین دوربین با فواصل کانونی مختلف استفاده می کنند. دوربین های با زاویه دید عریض (Wide-angle) برای نظارت بر محیط اطراف و نقاط کور به کار می روند، در حالی که دوربین های تله (Telephoto) وظیفه دارند اشیاء دورتر را شناسایی کنند تا خودرو زمان کافی برای تصمیم گیری داشته باشد. الگوریتم های یادگیری عمیق که روی این تصاویر اجرا می شوند، قادرند میان یک عابر پیاده، یک دوچرخه سوار و یک تصویر روی بیلبورد تفاوت قائل شوند.
استفاده از شبکه های عصبی پیچشی (CNN) در بخش هوش مصنوعی این خودروها، دقت تشخیص اشیاء را به سطحی رسانده است که حتی در شرایطی که بخشی از یک جسم پوشانده شده باشد، سیستم می تواند ماهیت آن را حدس بزند. این دقیقاً همان حوزه ای است که متخصصان در سایت هایی مانند NVIDIA Autonomous Driving بر روی آن تمرکز کرده اند تا پردازش های گرافیکی سنگین را در کسری از ثانیه انجام دهند.
جدول مقایسه سنسورهای مختلف در خودروهای خودران
| نوع سنسور | ویژگی اصلی | مزیت | نقطه ضعف |
| لیدار (LiDAR) | اسکن لیزری سه بعدی | دقت بالا در نقشه برداری | قیمت بالا، افت عملکرد در مه |
| دوربین (Camera) | تشخیص رنگ و بافت | شناسایی علائم و چراغ ها | وابستگی شدید به نور محیط |
| رادار (Radar) | امواج رادیویی | عملکرد عالی در هوای بد | ناتوانی در تشخیص دقیق شکل اشیاء |
| التراسونیک | امواج صوتی | مناسب برای فواصل بسیار نزدیک | برد بسیار کوتاه |
رادار و توانایی دیدن در شرایط نامساعد جوی
در حالی که لیدار و دوربین ممکن است در باران شدید یا مه غلیظ دچار اختلال شوند، رادار به عنوان یک پشتیبان قابل اعتماد وارد عمل می شود. رادار با ارسال امواج رادیویی و دریافت بازتاب آن ها، می تواند سرعت و فاصله اشیاء را با دقت بسیار بالایی محاسبه کند. یکی از بزرگترین مزایای رادار این است که امواج آن می توانند از میان ذرات آب و برف عبور کنند، بنابراین خودروهای بدون سرنشین حتی وقتی راننده انسانی هیچ دیدی ندارد، می توانند حضور خودروهای دیگر را حس کنند.
رادارهای مورد استفاده در این صنعت معمولاً به دو دسته برد کوتاه و برد بلند تقسیم می شوند. رادارهای برد بلند برای کروز کنترل تطبیقی و تشخیص موانع در بزرگراه ها استفاده می شوند، در حالی که رادارهای برد کوتاه در سیستم های پیشگیری از تصادف و پایش نقاط کور کاربرد دارند. ترکیب داده های رادار با سایر سنسورها باعث می شود که خودرو یک تصویر جامع و بدون نقص از دنیای فیزیکی اطراف خود داشته باشد.
همجوشی سنسورها یا Sensor Fusion چیست؟
هیچ کدام از سنسورهایی که ذکر کردیم به تنهایی کامل نیستند. دوربین در تاریکی ضعیف است، لیدار گران است و در مه مشکل دارد، و رادار نمی تواند جزئیات دقیق اشیاء را ببیند. راه حل این چالش در مفهومی به نام “همجوشی سنسورها” نهفته است. در این فرآیند، داده های خام از تمامی حسگرها جمع آوری شده و در یک لایه مرکزی با هم ترکیب می شوند تا یک خروجی واحد و قابل اعتماد ایجاد شود.
این سیستم هوشمند به گونه ای طراحی شده است که اگر یک سنسور داده های متناقضی ارائه دهد، سیستم بتواند با استفاده از داده های سنسورهای دیگر، حقیقت را پیدا کند. برای مثال، اگر دوربین تصویری از یک مانع را به دلیل تابش شدید آفتاب از دست بدهد، لیدار و رادار همچنان وجود آن را تایید می کنند. این سطح از همپوشانی و افزونگی (Redundancy) برای تضمین ایمنی جان سرنشینان و عابران ضروری است.
در سطح نرم افزاری، اینجاست که نقش هوش مصنوعی شرکت شهاب و سایر شرکت های دانش بنیان پررنگ می شود. پیاده سازی الگوریتم هایی که بتوانند میلیون ها داده را در لحظه فیلتر کرده و تنها اطلاعات حیاتی را به بخش تصمیم گیرنده ارسال کنند، یکی از پیچیده ترین بخش های مهندسی در خودروهای بدون سرنشین است.
نقش هوش مصنوعی و یادگیری عمیق در تصمیم گیری
دیدن محیط تنها نیمی از مسیر است؛ نیمه دیگر، فهمیدن و تصمیم گرفتن است. پس از اینکه سنسورها داده ها را جمع آوری کردند، نوبت به مغز متفکر خودرو یعنی سیستم هوش مصنوعی می رسد. این سیستم از مدل های یادگیری عمیق (Deep Learning) استفاده می کند که بر روی میلیون ها ساعت ویدئو و داده های رانندگی واقعی آموزش دیده اند.
هوش مصنوعی باید بتواند سناریوهای مختلف را پیش بینی کند. به عنوان مثال، اگر توپی به وسط خیابان بیفتد، سیستم باید بلافاصله احتمال دویدن یک کودک به دنبال توپ را در نظر بگیرد و سرعت خود را کاهش دهد. این سطح از درک “زمینه” (Context) چیزی است که خودروهای خودران را از ماشین های معمولی متمایز می کند.
ما در شرکت شهاب بر این باوریم که آینده حمل و نقل در گرو توسعه الگوریتم های یادگیری ماشین بومی است که با شرایط خاص ترافیکی و جاده ای هر منطقه سازگار باشند. استفاده از سیستم های حمل و نقل هوشمند می تواند به کاهش تصادفات و بهبود جریان ترافیک کمک شایانی کند.
چالش های اخلاقی و فنی پیش روی خودروهای خودران
با وجود تمام پیشرفت ها، هنوز چالش های بزرگی بر سر راه تجاری سازی کامل این تکنولوژی وجود دارد. یکی از این چالش ها، “مسائل اخلاقی” در تصمیم گیری های بحرانی است. اگر تصادفی اجتناب ناپذیر باشد، خودرو باید چه تصمیمی بگیرد؟ حفظ جان سرنشین یا عابر پیاده؟ این ها سوالاتی هستند که فراتر از کدنویسی بوده و نیاز به استانداردهای جهانی دارند.
از نظر فنی نیز، حملات سایبری و امکان هک شدن سیستم های هدایتی یکی از دغدغه های اصلی است. امنیت داده ها و اطمینان از اینکه هیچ عامل خارجی نمی تواند کنترل خودرو را به دست بگیرد، اولویت اول مهندسان امنیت است. همچنین، پردازش این حجم عظیم از داده ها نیاز به سخت افزارهای بسیار قدرتمند و مصرف انرژی بالایی دارد که می تواند بر روی برد پیمایشی خودروهای برقی تاثیر منفی بگذارد.
نقشه های با وضوح بالا (HD Maps)
علاوه بر سنسورها، خودروهای بدون سرنشین از نقشه های بسیار دقیق و لایه بندی شده ای استفاده می کنند که با نقشه های معمولی گوگل متفاوت است. این نقشه ها شامل اطلاعاتی نظیر ارتفاع دقیق جداول، محل دقیق علائم راهنمایی و حتی شیب جاده هستند. خودرو با تطبیق آنچه سنسورهایش می بینند با این نقشه های از پیش ذخیره شده، می تواند موقعیت خود را با دقت سانتی متری پیدا کند.
این فرآیند که به آن محلی سازی (Localization) می گویند، به خودرو اجازه می دهد حتی در صورتی که سیگنال GPS به دلیل وجود تونل یا ساختمان های بلند ضعیف شود، به مسیر خود ادامه دهد. به روز رسانی مداوم این نقشه ها یکی از بزرگترین پروژه های کلان داده در جهان محسوب می شود.
تاثیر اینترنت اشیاء (IoT) و ارتباطات V2X
آینده خودروهای خودران تنها به سنسورهای داخلی آن ها محدود نمی شود. مفهوم V2X (ارتباط خودرو با همه چیز) به این معناست که ماشین ها می توانند با یکدیگر، با چراغ های راهنمایی و حتی با زیرساخت های جاده ای صحبت کنند. به طور مثال، وقتی یک خودرو در چند کیلومتر جلوتر ترمز ناگهانی می کند، پیامی به تمام خودروهای پشت سر ارسال می شود تا از وقوع تصادف زنجیره ای جلوگیری شود.
در این سناریو، هوش مصنوعی نه تنها در داخل خودرو، بلکه در کل شبکه شهری حضور دارد. شرکت هایی که در زمینه پردازش تصویر و مانیتورینگ ترافیک فعالیت می کنند، نقش مهمی در جمع آوری این داده های محیطی و ارسال آن ها به خودروها ایفا خواهند کرد.
پرسش های متداول
آیا خودروهای بدون سرنشین در ایران هم کاربرد خواهند داشت؟
بله، با توسعه زیرساخت های هوشمند سازی و فعالیت شرکت های داخلی مانند شرکت شهاب در حوزه هوش مصنوعی، ورود این فناوری به بخش های خاصی نظیر حمل و نقل عمومی یا بنادر دور از ذهن نیست.
لیدار بهتر است یا دوربین؟
هر کدام مزایای خود را دارند. دوربین برای تشخیص علائم و رنگ ها ضروری است، در حالی که لیدار برای فاصله یابی دقیق در محیط های سه بعدی و تاریکی مطلق بی نظیر عمل می کند. اکثر خودروهای خودران از هر دو استفاده می کنند.
اگر سنسورهای خودرو در باران کثیف شوند چه اتفاقی می افتد؟
خودروهای پیشرفته دارای سیستم های خودکار تمیز کننده (مانند نازل های آب ریز یا هوای فشرده) برای سنسورها هستند. همچنین در صورت کاهش دقت، سیستم های حفاظتی سرعت خودرو را کاهش داده یا از راننده می خواهند کنترل را به دست بگیرد.
آیا این خودروها می توانند در جاده های بدون خط کشی حرکت کنند؟
این یکی از چالش های فعلی است. با این حال، نسخه های جدید هوش مصنوعی با تحلیل لبه های جاده و مسیر حرکت سایر خودروها، می توانند حتی در مسیرهای غیر استاندارد نیز تا حد زیادی راه خود را پیدا کنند.
هزینه تجهیزات بینایی این خودروها چقدر است؟
در ابتدا این تجهیزات بسیار گران بودند (ده ها هزار دلار)، اما با پیشرفت تکنولوژی و تولید انبوه، قیمت لیدارها و دوربین های مخصوص به شدت در حال کاهش است.
هوش مصنوعی چگونه تفاوت انسان و اشیاء را می فهمد؟
از طریق آموزش بر روی میلیون ها تصویر. الگوریتم ها الگوهای حرکتی و فرم بدن انسان را یاد می گیرند و می توانند حتی جهت نگاه عابر پیاده را برای پیش بینی حرکت بعدی او تشخیص دهند.
نقش GPS در خودروهای بدون سرنشین چیست؟
GPS برای مسیریابی کلی (از نقطه A به B) استفاده می شود، اما برای هدایت دقیق بین خطوط یا جلوگیری از تصادف، دقت کافی ندارد و اینجاست که سنسورهای محلی وارد عمل می شوند.
آیا این خودروها کاملاً ایمن هستند؟
هیچ سیستمی ۱۰۰ درصد ایمن نیست، اما آمارها نشان می دهند که بیش از ۹۰ درصد تصادفات رانندگی ناشی از خطای انسانی است. حذف این خطا می تواند سالانه جان میلیون ها نفر را نجات دهد.
تفاوت رادار و لیدار در چیست؟
رادار از امواج رادیویی استفاده می کند و در تشخیص سرعت عالی است، اما لیدار از نور لیزر استفاده کرده و جزئیات تصویری و محیطی بسیار دقیق تری ارائه می دهد.
شرکت شهاب چه خدماتی در این حوزه ارائه می دهد؟
ما در زمینه طراحی سیستم های هوشمند بر پایه پردازش تصویر، بینایی ماشین و راهکارهای جامع هوش مصنوعی برای بهبود امنیت و بهره وری در صنایع مختلف فعالیت می کنیم.
نتیجه گیری و جمع بندی
خودروهای بدون سرنشین شاهکار مهندسی مدرن هستند که با ترکیب سنسورهای پیشرفته و قدرت بی پایان هوش مصنوعی، در حال تغییر دادن تعریف ما از جابجایی هستند. از لیدارهای دقیق گرفته تا دوربین هایی که با الگوبرداری از مغز انسان کار می کنند، همگی دست به دست هم داده اند تا سفری ایمن تر و راحت تر را برای ما رقم بزنند. اگرچه هنوز مسیر طولانی برای رسیدن به خودرانی کامل در تمامی جاده ها باقی مانده، اما پیشرفت های فعلی نشان می دهد که این آینده بسیار نزدیک است.
ما در شرکت شهاب متعهد هستیم که با بهره گیری از دانش روز در حوزه های هوش مصنوعی، نقشی کلیدی در بومی سازی و توسعه این فناوری ها ایفا کنیم. اگر سازمان یا کسب و کار شما به دنبال پیاده سازی راهکارهای هوشمند مبتنی بر پردازش تصویر و داده است، با ما تماس بگیرید.
با ما در ارتباط باشید:
برای مشاوره تخصصی و آشنایی با محصولات متنوع ما در حوزه سیستم های هوشمند، به وب سایت شرکت شهاب مراجعه کنید یا از طریق بخش تماس با ما، با کارشناسان فنی ما گفتگو کنید. آینده هوشمند همینجاست!
