İnce Satırlar
Liste Modu
Döşeme Modu
Sade Döşeme Modu
Blog Modu
Zürih Üniversitesi Robotik ve Algılama Grubu, canlılardan esinlenilen olay kamerasını yapay zeka ile birleştirerek, çok daha hızlı algılama yapmasının dışında çok daha az hesaplama gücü kullanıyor.
Standart kameralar yavaş kalıyor
Sürücü destek sistemlerinde kullanılan geleneksel kare (frame) tabanlı kameralar, genellikle saniyede 30 ila 50 kare olacak şekilde anlık görüntüler yakalıyor. Dolayısıyla her iki kare arasında 20 ile 30 milisaniyelik bir zaman dilimi bulunuyor. Bu zaman diliminde gerçekleşecek bir olay kamera tarafından gecikmeli olarak tespit edilebiliyor. Bu sorunu aşmak için kare hızı arttırılabilir ancak bu da daha fazla bant genişliği, hesaplama ve işleme gücü gerektiriyor.
Olay kameraları ise farklı bir prensibe dayanarak çalışıyor. Sabit bir kare hızı yerine, hızlı hareketleri her algıladıklarında bilgiyi kaydeden akıllı piksellere sahipler. Bu sayede kareler arasında kör noktalar kalmıyor, bu da engelleri daha hızlı tespit etmelerine olanak tanıyor. Bu kameralara nöromorfik kameralar da deniyor çünkü insan gözünün görüntüleri algılama şeklini taklit ediyorlar. Ancak dezavantajları da bulunuyor: Yavaş hareket eden şeyleri kaçırabiliyorlar ve görüntüleri, yapay zeka algoritmasını eğitmek için kullanılan türdeki verilere kolayca dönüştürülemiyor.
Çözüm hibrit sistem
Bu sınırlamaların üstesinden gelmek için araştırmacılar, olay kamerasını saniyede 20 görüntü yakalayan standart bir kamerayla birleştirdiler. Standart kameranın görüntüleri, araçları ve yayaları tanımak üzere eğitilmiş evrişimli bir sinir ağı (convolutional neural network) tarafından işlenirken, olay kamerasının verileri, zaman içinde değişen 3D verilerde uzmanlaşmış, asenkron bir grafik sinir ağı tarafından analiz ediliyor. Bu hibrit sistem, standart kameranın tespitlerini öngörmek ve geliştirmek için olay kamerasından gelen verilerden yararlanıyor.
Araştırmacılar aynı zamanda hibrit sistemin ölçeklenebileceğini belirtiyor. Demo testlerinde öne bakan stereo bir kamera kullanıldığını ancak istenildiği takdirde birden fazla kamerayla sistemin kolayca genişletilebileceğini söylüyorlar. Sistemin birden fazla kameradan gelen verileri gerçek zamanlı olarak birleştirme konusunda herhangi bir engelle karşılaşmadığını ekliyorlar.
Araştırmacılar, kameraların sürücüsüz araçlarda yaygın olarak kullanılan LiDAR sensörleriyle entegre edilmesiyle yöntemlerinin daha da geliştirilebileceğini öngörüyor.
Bu çığır açan teknoloji, ileride sürücü destek sistemlerini çok daha hızlı ve güvenli hale getirme potansiyeli taşıyor. Otonom araçlar gerçeğe dönüştükçe, bu tür gelişmiş engel tespit sistemleri hem sürücülerin hem de yayaların güvenliğinin sağlanması açısından hayati önem taşıyacak.
Kaynakça https://interestingengineering.com/innovation/ai-camera-obstacle-detection https://www.eurekalert.org/news-releases/1046107 Bu haberi, mobil uygulamamızı kullanarak indirip,istediğiniz zaman (çevrim dışı bile) okuyabilirsiniz:
