Los algoritmos de percepción visual son cruciales para el automóvil según el informe "Automotive Vision Industry Chain Report (II) Binocular and Others" se ha agregado a la oferta de ResearchAndMarkets.com .
Las nuevas empresas chinas han logrado avances espectaculares en cámaras binoculares, especialmente para vehículos comerciales y vehículos especiales.
Smarter Eye ha enviado más de 10,000 cámaras binoculares, principalmente disponibles en vehículos autónomos Apollo, pequeños autobuses JMC, vehículos de saneamiento, botes autónomos, tractores, vehículos patrulla, etc. Las cámaras binoculares de Smarter Eye generalmente están diseñadas para AEBS y detección de limitadores de altura. Los grupos de autobuses en más de 30 ciudades han empleado tales cámaras.
Smarter Eye es pionero en la aplicación de cámaras binoculares para detectar limitadores de altura. Tanto los limitadores de altura convencionales como los limitadores de altura no estándar, como pequeños arcos y alcantarillas en el campo, pueden ser percibidos con precisión por cámaras binoculares que advierten rápidamente a los conductores mediante alarmas de sonido y luz. Los vehículos recreativos, vehículos especiales, etc. tienen una demanda rígida para esta función.
En 2019, Sphyrna Technology anunció que desarrolló con éxito un sistema de cámara binocular flexible que puede usar dos cámaras monoculares separadas para lograr un sistema de cámara binocular, superando los defectos inherentes (gran tamaño, proceso complicado, instalación difícil y alto costo) de las cámaras binoculares.
Las dos cámaras se fijan independientemente en el lado derecho de la carrocería del automóvil, sin necesidad de una conexión rígida en el medio ni requisitos estrictos de ángulo o espacio. Las "cámaras binoculares flexibles" se encuentran en la tecnología de autocalibración. Incluso si las cámaras se deforman y se mueven ligeramente durante el uso, los algoritmos de Sphyrna Technology detectarán y recalibrarán automáticamente, prescindiendo de la recalibración regular esencial para las cámaras binoculares convencionales.
En abril 2020, Foresight Autonomous Holdings Ltd. anunció su colaboración con FLIR Systems Inc. en el desarrollo, comercialización y distribución del sistema de visión QuadSight de Foresight, combinado con las cámaras infrarrojas de FLIR Systems, a una amplia gama de posibles clientes. Foresight comprará exclusivamente sus cámaras térmicas de FLIR para todos los sistemas que se comercializarán en todo el mundo.
El exclusivo sistema QuadSight de Foresight, compuesto por cuatro cámaras térmicas y de luz visible, muestra la capacidad de las cámaras térmicas FLIR para mejorar en gran medida la seguridad de los vehículos autónomos y ADAS a través de una mejor conciencia de la situación por la noche, en escenas de alto contraste y con mal tiempo. La fusión de datos entre los dos canales estéreo puede evitar efectivamente la falta de informes o la información falsa en condiciones extremas como la entrada del túnel donde la luz cambia rápidamente.
El radar de ondas milimétricas está superando a otros sensores. Lo mismo es cierto para las cámaras. Muchas compañías como MAXIEYE están tratando de reemplazar las cámaras binoculares o liDAR mediante el uso de cámaras monoculares para escaneo e imágenes en 3D.
A diferencia del producto de primera generación, la serie IFVS-200 basada en soluciones de aprendizaje automático, la familia de productos de tercera generación IFVS-500 de MAXIEYE basada en tecnología de aprendizaje profundo logra un alcance monocular y escaneo 3D. IFVS-500 no solo permite que los productos de visión monocular realicen escaneo 3D como LIDAR, sino que también se asemeja a LIDAR al escanear la nube de puntos 3D dentro de los 50 metros, lo que permite el alcance directo del objeto y la detección de ambos vehículos a menos de 200 metros y peatones y pequeños obstáculos. a menos de 100 metros.
Cualquier visión dentro o fuera del automóvil con poca luz e incluso en la oscuridad requiere tecnología infrarroja. El sensor de imagen RGB-IR de ON Semiconductor presenta imágenes mejoradas de infrarrojo cercano (NIR). La empresa israelí TriEye ha desarrollado una tecnología de sensores para infrarrojos de onda corta (SWIR) que mejora la seguridad en vehículos equipados con sistemas de asistencia o funciones de conducción autónomas al mejorar la capacidad de ver en condiciones climáticas donde la visibilidad es escasa, como polvo, niebla , condiciones turbias o lluvia, y mantenerse alerta ante el peligro (como un camino helado) de antemano.
En abril 2020, Alibaba DAMO Academy reveló que ha desarrollado un procesador ISP para cámaras en vehículos. A través del uso, la cámara del automóvil tiene una mejora significativa en las capacidades de detección y reconocimiento de objetos de imagen en más del 10% en comparación con el procesador principal en la noche, la escena más desafiante y el etiquetado oscuro original se puede identificar claramente, de acuerdo con a los resultados de la prueba de manejo del Laboratorio de manejo automatizado de la Academia DAMO.
El 19 de mayo de 2020, OmniVision anunció la expansión de su tecnología Nyxel de infrarrojo cercano (NIR) en el mercado automotriz con el nuevo sensor de imagen OX03A2S de 2.5 megapíxeles. Este sensor ASIL-B está diseñado para aplicaciones de imágenes exteriores que funcionan en condiciones de poca o ninguna luz ambiental dentro de los 2 metros del vehículo. Puede detectar y reconocer objetos que otros sensores de imagen perderían en condiciones de iluminación extremadamente baja.
Los datos masivos incurridos por el aumento dramático de los sensores de visión en los automóviles inteligentes, así como la adición de sensores de visión han traído desafíos y oportunidades para el procesamiento de algoritmos.
Para el sistema de percepción visual, Mobileye, líder de los algoritmos visuales ADAS, obtiene una multitud de algoritmos de percepción independientes que se utilizan simultáneamente para crear capas de redundancia interna para la detección y las mediciones con mayor precisión y estabilidad de percepción. La detección es determinar qué objeto se percibe, y las mediciones deben inferir la información 3D del objeto percibido a través de la imagen 2D de la cámara.
Para la detección, Mobileye utiliza 6 motores independientes:
También como líder en algoritmos de percepción visual, Tesla nombra su red de aprendizaje profundo como HydraNet, que involucra 48 redes neuronales diferentes que generan 1,000 tensores (predicciones) distintos en cada paso de tiempo; en teoría, HydraNet puede detectar 1,000 objetos simultáneamente. Tesla adquirió DeepScale, una startup de Silicon Valley que se enfoca en desarrollar tecnologías de visión por computadora, en un intento por mejorar sus capacidades algorítmicas.
Para ponerse al día con Tesla y Mobileye en algoritmos de percepción visual, los fabricantes de equipos originales y los proveedores Tier1 están ampliando sus equipos de ingenieros de software. Las capacidades algorítmicas serán uno de los factores decisivos para el desempeño de la percepción visual.
Así,que los algoritmos de percepción visual son cruciales para el automóvil según e informe "Automotive Vision Industry Chain Report (II) Binocular and Others" que se ha agregado a la oferta de ResearchAndMarkets.com
Avances en cámaras binoculares
Las nuevas empresas chinas han logrado avances espectaculares en cámaras binoculares, especialmente para vehículos comerciales y vehículos especiales.
Smarter Eye ha enviado más de 10,000 cámaras binoculares, principalmente disponibles en vehículos autónomos Apollo, pequeños autobuses JMC, vehículos de saneamiento, botes autónomos, tractores, vehículos patrulla, etc. Las cámaras binoculares de Smarter Eye generalmente están diseñadas para AEBS y detección de limitadores de altura. Los grupos de autobuses en más de 30 ciudades han empleado tales cámaras.
Smarter Eye es pionero en la aplicación de cámaras binoculares para detectar limitadores de altura. Tanto los limitadores de altura convencionales como los limitadores de altura no estándar, como pequeños arcos y alcantarillas en el campo, pueden ser percibidos con precisión por cámaras binoculares que advierten rápidamente a los conductores mediante alarmas de sonido y luz. Los vehículos recreativos, vehículos especiales, etc. tienen una demanda rígida para esta función.
En 2019, Sphyrna Technology anunció que desarrolló con éxito un sistema de cámara binocular flexible que puede usar dos cámaras monoculares separadas para lograr un sistema de cámara binocular, superando los defectos inherentes (gran tamaño, proceso complicado, instalación difícil y alto costo) de las cámaras binoculares.
Las dos cámaras se fijan independientemente en el lado derecho de la carrocería del automóvil, sin necesidad de una conexión rígida en el medio ni requisitos estrictos de ángulo o espacio. Las "cámaras binoculares flexibles" se encuentran en la tecnología de autocalibración. Incluso si las cámaras se deforman y se mueven ligeramente durante el uso, los algoritmos de Sphyrna Technology detectarán y recalibrarán automáticamente, prescindiendo de la recalibración regular esencial para las cámaras binoculares convencionales.
En abril 2020, Foresight Autonomous Holdings Ltd. anunció su colaboración con FLIR Systems Inc. en el desarrollo, comercialización y distribución del sistema de visión QuadSight de Foresight, combinado con las cámaras infrarrojas de FLIR Systems, a una amplia gama de posibles clientes. Foresight comprará exclusivamente sus cámaras térmicas de FLIR para todos los sistemas que se comercializarán en todo el mundo.
El exclusivo sistema QuadSight de Foresight, compuesto por cuatro cámaras térmicas y de luz visible, muestra la capacidad de las cámaras térmicas FLIR para mejorar en gran medida la seguridad de los vehículos autónomos y ADAS a través de una mejor conciencia de la situación por la noche, en escenas de alto contraste y con mal tiempo. La fusión de datos entre los dos canales estéreo puede evitar efectivamente la falta de informes o la información falsa en condiciones extremas como la entrada del túnel donde la luz cambia rápidamente.
El radar de ondas milimétricas está superando a otros sensores. Lo mismo es cierto para las cámaras. Muchas compañías como MAXIEYE están tratando de reemplazar las cámaras binoculares o liDAR mediante el uso de cámaras monoculares para escaneo e imágenes en 3D.
A diferencia del producto de primera generación, la serie IFVS-200 basada en soluciones de aprendizaje automático, la familia de productos de tercera generación IFVS-500 de MAXIEYE basada en tecnología de aprendizaje profundo logra un alcance monocular y escaneo 3D. IFVS-500 no solo permite que los productos de visión monocular realicen escaneo 3D como LIDAR, sino que también se asemeja a LIDAR al escanear la nube de puntos 3D dentro de los 50 metros, lo que permite el alcance directo del objeto y la detección de ambos vehículos a menos de 200 metros y peatones y pequeños obstáculos. a menos de 100 metros.
 |
| Los algoritmos de percepción visual son cruciales para el automóvil |
Las capacidades visuales en escenarios extremos aumentan
Cualquier visión dentro o fuera del automóvil con poca luz e incluso en la oscuridad requiere tecnología infrarroja. El sensor de imagen RGB-IR de ON Semiconductor presenta imágenes mejoradas de infrarrojo cercano (NIR). La empresa israelí TriEye ha desarrollado una tecnología de sensores para infrarrojos de onda corta (SWIR) que mejora la seguridad en vehículos equipados con sistemas de asistencia o funciones de conducción autónomas al mejorar la capacidad de ver en condiciones climáticas donde la visibilidad es escasa, como polvo, niebla , condiciones turbias o lluvia, y mantenerse alerta ante el peligro (como un camino helado) de antemano.
En abril 2020, Alibaba DAMO Academy reveló que ha desarrollado un procesador ISP para cámaras en vehículos. A través del uso, la cámara del automóvil tiene una mejora significativa en las capacidades de detección y reconocimiento de objetos de imagen en más del 10% en comparación con el procesador principal en la noche, la escena más desafiante y el etiquetado oscuro original se puede identificar claramente, de acuerdo con a los resultados de la prueba de manejo del Laboratorio de manejo automatizado de la Academia DAMO.
El 19 de mayo de 2020, OmniVision anunció la expansión de su tecnología Nyxel de infrarrojo cercano (NIR) en el mercado automotriz con el nuevo sensor de imagen OX03A2S de 2.5 megapíxeles. Este sensor ASIL-B está diseñado para aplicaciones de imágenes exteriores que funcionan en condiciones de poca o ninguna luz ambiental dentro de los 2 metros del vehículo. Puede detectar y reconocer objetos que otros sensores de imagen perderían en condiciones de iluminación extremadamente baja.
Los algoritmos de percepción visual se vuelven cruciales
Los datos masivos incurridos por el aumento dramático de los sensores de visión en los automóviles inteligentes, así como la adición de sensores de visión han traído desafíos y oportunidades para el procesamiento de algoritmos.
Para el sistema de percepción visual, Mobileye, líder de los algoritmos visuales ADAS, obtiene una multitud de algoritmos de percepción independientes que se utilizan simultáneamente para crear capas de redundancia interna para la detección y las mediciones con mayor precisión y estabilidad de percepción. La detección es determinar qué objeto se percibe, y las mediciones deben inferir la información 3D del objeto percibido a través de la imagen 2D de la cámara.
Para la detección, Mobileye utiliza 6 motores independientes:
- Detección de objetos 3DVD o 3D: es el enfoque común de predecir un cuadro delimitador 3D utilizando una red neuronal a partir de la imagen 2D.
- Detección de imagen completa: trata el escenario común en el que un objeto (como autobuses, automóviles o camiones) está extremadamente cerca y solo se puede ver parcialmente. La clasificación de objetos mediante firmas visuales se utiliza para rastrear vehículos de primer plano en este escenario.
- Vista superior FS: se centra en identificar y marcar las carreteras desocupadas en la pantalla.
- Detección de características: este motor basado en la apariencia detecta vehículos de características confiables, como las ruedas.
- VIDAR: es un enfoque que utiliza múltiples vistas del entorno para triangular y crear un mapa de profundidad. Ese mapa de profundidad se convierte en una nube de puntos y los algoritmos de procesamiento basados en LiDAR se usan en esa nube de puntos.
- Segmentación de escena (NSS): es un enfoque basado en redes neuronales para descomponer la escena en espacio libre y objetos semánticos (vehículo, señal, peatón, etc.), los píxeles que contienen un objeto se tratan como una detección.
También como líder en algoritmos de percepción visual, Tesla nombra su red de aprendizaje profundo como HydraNet, que involucra 48 redes neuronales diferentes que generan 1,000 tensores (predicciones) distintos en cada paso de tiempo; en teoría, HydraNet puede detectar 1,000 objetos simultáneamente. Tesla adquirió DeepScale, una startup de Silicon Valley que se enfoca en desarrollar tecnologías de visión por computadora, en un intento por mejorar sus capacidades algorítmicas.
Para ponerse al día con Tesla y Mobileye en algoritmos de percepción visual, los fabricantes de equipos originales y los proveedores Tier1 están ampliando sus equipos de ingenieros de software. Las capacidades algorítmicas serán uno de los factores decisivos para el desempeño de la percepción visual.
Así,que los algoritmos de percepción visual son cruciales para el automóvil según e informe "Automotive Vision Industry Chain Report (II) Binocular and Others" que se ha agregado a la oferta de ResearchAndMarkets.com
Comentarios
Publicar un comentario