چگونه دوربین های صنعتی اتومبیل های بدون راننده را کنترل می کنند؟

multi camera setup system 360 car waterloo university autonomoose toronto dataset

چگونه دوربین های صنعتی اتومبیل های بدون راننده را کنترل می کنند

 Autonomoose  جاده های زمستانی را خراب می کند تا عصر جدید وسایل نقلیه بدون سرنشین را با دوربین های صنعتی به ارمغان آورد

اتومبیل های خودران رانندگی

آنچه  برای خیلی ها دور از انتظار به نظر می رسد اتوموبیل های خودران است ، در حال حاضر برای معدود افراد ممکن است یک واقعیت باشد: “رانندگی خودمختار” یکی از داغترین مباحث در زمینه های تحقیقاتی مانند علوم طبیعی و مهندسی را نشان می دهد. 

به لطف همکاری بین دانشگاه ها و صنعت اتوموبیل سازی ، رانندگی خودمختار اکنون دارای هویت است ، Autonomoose. 

Autonomoose logo unmanned driverless car

Autonomoose  نمایانگر خودرویی از نوع خود رانندگی است که مجهز به دوربین های با کارایی بالا است که «چشم» را به وسیله نقلیه اضافه می کند. 

علاوه بر این ، هماهنگ سازی اسکنر های راداری ، سونار ، لیدر ، سنسور بینایی ، و رایانه پیچیده روی برد با پایه کد خود رانندگی باعث می شود رانندگی حتی برای شرایط سخت آب و هوایی زمستان نیز مناسب باشد.  

استقلال در شرایط آب و هوایی دشوار رانندگی  Autonomoose چه است؟ 

university of waterloo car.jpg

محققان مرکز تحقیقات اتومبیل دانشگاه واترلو ( WatCAR ) در حال تغییر یک Hybrid از لینکلن MKZ به عملکرد مستقل از طریقدوربین های صنعتی هستند.

آنها در حال کار روی یک بستر تحقیقاتی به نام “Autonomoose” هستند و مطالب آن در اینجا آمده است:

مجموعه سنسور خودکار

multi camera setup system 360 with lidar.jpg

1. مجموعه کاملی از سنسورهای راداری ، سونار ، LIDAR ، اینرسی و دید.

2. کامپیوترهای جاسازی شده قدرتمند برای اجرای یک سیستم رانندگی کاملاً مستقل ، ادغام سنسور ، برنامه ریزی مسیر و نرم افزار کنترل حرکت.

3. تولید  نرم افزار مستقل سفارشی که در واترلو به عنوان بخشی از تحقیقاتدر زمینه خودرانندگی تولید می شود.

بر اساس استاندارد بین المللی SAE برای رانندگی خودکار (SAE J3016 ، مقیاس 0-5) ، این وسیله نقلیه در ابتدا در سطح 2 کار می کند.

تیم در طول مدت زمان تحقیق ، اتوماسیون را به سطح 3 و در نهایت سطح 4 که در سال 2019 رسیده است ، می رساند. 

چه کسی در این پروژه شرکت می کند؟

University of waterloo logo
University of Toronto logo

دو دانشگاه اصلی که در این پروژه شرکت می کنند: دانشگاه تورنتو و دانشگاه واترلو . 

دانشگاه تورنتو که در سال 1827 تأسیس شد ، به مؤسسه برتر یادگیری ، کشف و آفرینش دانش در کانادا تبدیل شده است.

ایده ها ، نوآوری ها و اقدامات بیش از 560،000 فارغ التحصیل همچنان تأثیر مثبتی بر جهان دارند.

در فقط نیم قرن ، دانشگاه واترلو ، واقع در قلب مرکز فن آوری کانادا ، به یک موسسه جهانی متمرکز تبدیل شده است که به عنوان ابتکاری ترین دانشگاه کانادا به مدت 23 سال متوالی از آن تجلیل می شود.

واترلو محل بزرگترین مرکز آموزش همگانی  پس از دوره متوسطه در جهان است و کارآفرینان را در یادگیری ، تحقیق و کشف تشویق می کند. 

در دهه آینده ، این دانشگاه متعهد است با قهرمانی نوآوری و همکاری ، آینده ای بهتر برای  جهان ایجاد کند تا راهکارهای متناسب با نیازهای امروز و فردا ایجاد کند.

در مجموع ، نه استاد در دانشکده مهندسی و دانشکده ریاضیات از دو دانشگاه درگیر هستند.

علاوه بر این ، شورای علوم طبیعی و تحقیقات مهندسی ( NSERC ) بودجه تحقیقاتی اولیه را تأمین کرده است. 

هر مستطیل از تصویر برنامه نویسی به روش هوش مصنوعی Deep learning   سه بعدی بر روی تصویر دوربین جلو ثبت شده است

رانندگی خودکار در زمستان چگونه کار می کند؟

یک خودروی هیبریدی Lincoln MKZ که دارای مجموعه کامل سنسور است ، جاده های برفی انتاریو را خنثی می کند و داده های مناسب را برای تقویت وسایل نقلیه بدون راننده ضبط می کند که در نهایت مناسب این شرایط خواهد بود.  

الگوریتم های رانندگی ایجاد شده توسط داده های جمع آوری شده در آب و هوای خوب می توانند اشتباه شوند و اشتباه محاسبه شوند ، زیرا به دلیل شرایط بصری مختلف در هوای برفی با پیش زمینه های سفید گسترده وجود دارد.

برخی از نکات از مجموعه ویژگی های Autonomoose:

multi camera setup system 360 car panorama data.jpg

ردیابی مسیر GPS – دقت بالا ، آنتن دوگانه GPS / INS که برای دنبال کردن مسیر اسپلین مکعب با انحنای محدود استفاده می شود. کنترل پروفایل ترکیبی از سرعت ساده؛ مشخصات سرعت تعریف شده برای حفظ کشش. کنترلر ردیابی مسیر غیرخطی 

مانع و تشخیص وسیله نقلیه – محاسبه راه حل محدود: محاسبه هواپیمای زمینی LIDAR. نقشه برداری شبکه اشغال LIDAR؛ تولید فرضیه از رادار ، V2V؛ خوشه بندی هدف؛ تراز و پیگیری جعبه مرز

برنامه ریزی حرکت محلی – رویکرد چند مرحله ای: برنامه ریزی مطلوب مسیر ایستا. نمونه برداری ثابت و ایالتی؛ بررسی برخورد استاتیک؛ تولید پروفایل سرعت ، بسیار سریع: 1-2 میلی ثانیه در هر مسیر در هسته ARM57؛ 10-20 ms برای یک راه حل کامل   

چه تجهیزاتی درداخل  Autonomoose است؟ 

multi camera setup system 360 car waterloo university extrinsics.jpg

مجموعه سنسورهای هماهنگ Autonomoose شامل موارد زیر است:

  • 8 دوربین – MQ013CG-E2 از XIMEA ،  
  • اسکنر LiDAR – Velodyne VLP-32C ، 
  • GPS / سیستم اینرسی – Novatel OEM638 ، دارای یک IMU Sensonor STIM300 MEMS ، 
  • 2 IMU اضافی – (Xsens MTi-300- و 30-AHRS) به عنوان بخشی از سیستم پیشرفته راهنمایی درایور (ADAS)
multi camera setup system 360 car waterloo sensors.jpg

این مجموعه ثبت 10 تصویر در یکثانیه ضبط و زمان سنج را ثبت می کند. 

LiDAR  با پیام های GPS PPS و پیام های NMEA همزمان فعال می شود.  

هر ابر نقطه LiDAR حاوی 360 درجه کامل پرتوهای LiDAR است که از زاویه برش 180 درجه مستقیماً در پشت خودرو شروع شده و در جهت عقربه های ساعت می چرخد. 

رایانه Autonomoose سیگنال های GPS PPS و پیام های NMEA را دریافت می کند. 

یک پیام موضعی سرعت حرکت موضعی Novatel (تمدید شده با سرعت) (INSPVAX) حاوی جدیدترین موقعیت ، سرعت و جهت گیری و همچنین انحرافات استاندارد است.

cuboid 3d annotation adverse driving conditions project.jpg

هر مکعب از فایل حاشیه نویسی سه بعدی از یک منظره بالا به پایین در قاب لید نمایش داده می شود

نتیجه

آینده حمل و نقل شکل جدیدی به خود می گیرد.

با تشکر از همکاری بین دو دانشگاه پیشرو در کانادا ، وسایل نقلیه خودمختار ، بویژه Autonomoose ، استانداردهای بالایی را تعیین کرده و به اهداف بالاتر منجر می شوند ، به ویژه با توجه به سطح SEA. 

تغییر از اتوماسیون مشروط به اتوماسیون وسیستم حرفه ای پردازش آن است و نیاز به سیستمهای رانندگی خودکار دارد که محیط رانندگی را رصد می کنند و قادر به رعایت قوانین راهنمایی و رانندگی قابل اجرا در منطقه باشند. 

برای رسیدن به این سطح اتوماسیون ، سنسورهای بصری کلید درک محیط رانندگی هستند ، همانطور که در Autonomoose با هشت دوربین MQ013CG-E2 XIMEA به طور مساوی در وسایل نقلیه توزیع شده است. 

از یک طرف ، این ایده بسیار ساده است – از یک ماشین که می تواند به طور مستقل تصمیم بگیرد چه زمانی و در چه شرایطی خودرو راهدایت کند.

از طرف دیگر ، اجرای پیچیدگی اتوماسیون حرفه ای آن است. 

به همین دلیل است که دانشگاه های برتر کانادا محققان برجسته ای را برای پیشبرد مرزهای رانندگی خودمختار به حد مجاز می رسانند. 

کار زمینی پشت سر Autonomoose نه تنها در زمینه رانندگی خودمختار به روش های عظیم نقش دارد بلکه در حال شکل گیری دوباره در جامعه آینده ما است.