Přehled:

Jedním z nejvýznamnějších technologických témat v roce 2023 je otázka, jak daleko jsme od plně autonomního řízení vozidel. Podle nedávného výzkumu by plně autonomní řízení (AD) mohlo do roku 2035 generovat příjmy v rozmezí 300 až 400 miliard dolarů. Autonomní vozidla nejen ukázala pokrok technologie, ale také vyvolala diskuse a kontroverze. Existují legitimní obavy týkající se bezpečnosti, technických nedostatků, rizika hackování a možných dopadů na pracovní místa v řidičském průmyslu. Na druhou stranu může pravda být zcela odlišná. Plně autonomní řízení může přinést bezpečnější jízdy, vyšší komfort a zvýšenou produktivitu či možnost relaxace. „Řidiči“ budoucnosti by mohli využít dobu cestování k práci, čtení nebo sledování televize, místo aby ztráceli čas ve stresující dopravě.

Centrálním prvkem autonomních vozidel jsou senzory, zejména různorodé senzory. Data z těchto senzorů jsou analyzována umělou inteligencí (AI) a metodami strojového učení (ML) pro vnímání a reakci na okolní prostředí. Základem jsou algoritmy strojového učení, které na základě dat z senzorů pomáhají vozidlu hledat optimální cestu, rozhodovat o směru jízdy, detekovat blízké objekty, chodce a další vozidla, aby se předešlo možným kolizím, a adekvátně reagovat na neočekávané situace.

Klíčové technologie pro autonomní řízení

Vývoj samořiditelných automobilů zahrnuje dva klíčové úkoly.

• Řízení pomocí kamer a počítačového vidění.
• Využití senzorové fúze (tj. kombinace různorodých senzorů, které umožňují vozidlu vnímat své okolí).

Většina inženýrů dospěla k závěru, že úspěch autonomního řízení může být dosažen hlavně skrze palubní kamery a počítačové vidění. Nicméně fúze senzorů je považována za nejbezpečnější a nejspolehlivější variantu.

Autonomní vozidla využívají čtyři hlavní technologie senzorů:

• Kamery
• LIDAR
• Radar
• Sonar

Díky senzorové fúzi a rychle se zdokonalující umělé inteligenci se samořídící vozidla stávají reálnou budoucností. Očekává se, že do roku 2030 bude zhruba 12 % vozidel registrovaných po celém světě využívat autonomní řízení.

Co se týče obav z případné ztráty pracovních míst, podobné obavy se vyskytly i v minulosti, například při nástupu počítačů, což nakonec vedlo k vytvoření milionů nových pracovních míst ve světovém měřítku. Stejně tak je pravděpodobné, že samořídící automobily zvýší poptávku po kvalifikovaných pracovnících v automobilovém průmyslu.

Dávejme si nyní za cíl prozkoumat senzorové technologie, které podporují koncept autonomního řízení.

Fotoaparát

V automobilech jsou kamery již využívány pro parkování, couvání, adaptivní tempomat a varování před opuštěním jízdního pruhu.

V oblasti samořídících vozidel se používají vysokorozlišovací barevné kamery pro získání 360stupňového pohledu na okolí vozidla. Tyto kamery sbírají obrazová data z různých úhlů, buď jako vícedimenzionální data nebo jako videoklipy. Právě probíhají testy různých metod snímání obrazu a videa, včetně aplikace technik umělé inteligence. Pro bezpečné řízení je klíčové spolehlivé rozhodování na základě obrazových dat. Tento úkol vyžaduje značné zdroje.

Tyto kamery skutečně ukazují velký potenciál, zejména v kombinaci s pokročilou umělou inteligencí a strojovým učením. Kamery s vysokým rozlišením jsou schopny správně detekovat a identifikovat objekty, sledovat pohyb ostatních vozidel, určovat optimální trasy a vizualizovat okolí ve 3D. Zdá se, že mají podobné schopnosti jako lidské oči, což umožňuje vozidlům reagovat podobně jako lidský řidič.

Nicméně existují i určité nevýhody. Viditelnost kamery závisí na okolních podmínkách. Jelikož kamery jsou pasivními senzory, jejich spolehlivost klesá za podmínek nízké viditelnosti. Infračervené kamery mohou představovat alternativu, avšak vyžadují interpretaci obrazů pomocí umělé inteligence a strojového učení, což je stále ve vývoji.

Autonomní řízení využívá dva hlavní typy kamerových senzorů: monochromatické a stereoskopické. Monochromatické kamery mají jeden objektiv a snímač, což jim umožňuje pořizovat dvourozměrné snímky a identifikovat objekty, lidi a dopravní značky. Na určení hloubky a vzdálenosti objektů jsou však dvourozměrné obrazy nepoužitelné, což vyžaduje složité algoritmy strojového učení s často nejistými výsledky.

Stereoskopická kamera má dva objektivy a dva snímače, což jí umožňuje pořídit dvě snímky z různých úhlů současně. Díky tomu dokáže určit hloubku a vzdálenost objektů, což ji činí vhodnější volbou pro autonomní řízení. Avšak i tato technologie může mít potíže za špatných světelných podmínek.

Někteří vývojáři kombinují jednu kameru s technologiemi měření vzdálenosti, jako je LIDAR nebo radar, a využívají senzorovou fúzi k přesnému předpovídání dopravních podmínek.

Kamery hrají v procesu autonomního řízení důležitou roli, avšak výzvou je spoléhat se na ně jako na jediný zdroj informací.

Laser

Radar LiDAR je jednou z klíčových technologií podporujících autonomní vozidla. LiDAR je zobrazovací technika, která se pro geoprostorové snímání používá již od 80. let minulého století. Pro své schopnosti získávat detailní prostorová data mají samořídící auta obvykle na svém střeše namontovaný otočný senzor LiDAR.

Pro autonomní řízení se využívají dva hlavní typy LiDAR senzorů. První z nich je mechanicky otočný LiDAR systém, který je namontován na střeše vozidla. Tyto systémy jsou sice efektivní, ale často jsou nákladné a citlivé na vibrace. Druhou možností je polovodičový LiDAR, který nevyžaduje fyzickou rotaci. Tyto senzory jsou preferovány pro samořídící auta.

Senzory LiDAR jsou aktivními senzory, které fungují na principu doby letu. Tito senzory vysílají tisíce infračervených laserových paprsků do okolí a na základě odražených pulzů, které detekují pomocí fotodetektorů, měří dobu, kterou laserový paprsek urazí. Tímto způsobem se vypočítá vzdálenost, kterou paprsek urazí rychlostí světla. Z těchto dat je vytvořeno 3D mračno bodů, které reprezentuje 3D objekty ve svém okolí.

Přesnost tohoto LiDAR systému je tak vysoká, že dokáže detekovat i velmi malé předměty. Nicméně, podobně jako kamery ve viditelném spektru, i LiDAR může mít problémy se spolehlivostí za nízkých světelných podmínek, kdy odrazy laserových pulzů mohou být ovlivněny povětrnostními podmínkami. Dalším faktorem jsou náklady, které se mohou vyšplhat do tisíců dolarů.

Nicméně, LiDAR stále zůstává slibnou technologií pro autonomní řízení, jelikož neustále probíhá vývoj a testování nových možností.

Radar

Radarové senzory jsou již široce využívány v mnoha vozidlech pro funkce jako adaptivní tempomat, asistenci řidiče, systémy předcházení kolizím a automatické brzdění. V praxi se často používají radarové senzory o frekvenci 77 GHz pro detekci na větší vzdálenost a senzory o frekvenci 24 GHz pro detekci na kratší vzdálenost. Radar s dosahem 24 GHz umožňuje detekovat objekty až do vzdálenosti 30 metrů. Jeho nízké náklady ho činí efektivním pro systémy předcházení kolizím a parkovací asistenci. Naopak radar s dlouhým dosahem (77 GHz) může detekovat objekty až do vzdálenosti 250 metrů. Tato technologie se využívá pro detekci objektů, adaptivní tempomat a asistované brzdění.

Radar se vyznačuje schopností detekovat kovové předměty. Jeho fungování často spolupracuje s kamerovými systémy, což umožňuje přesné sledování pohybu okolních vozidel a identifikaci potenciálních překážek.

Nicméně radar má své omezení v oblasti autonomního řízení, neboť sám nedokáže třídit objekty. Data z radaru sice dokážou detekovat objekty, ale není schopen je identifikovat. V nejlepším případě může radar s nižším rozlišením spolupracovat s jednou kamerou a s lidarem nebo stereoskopickými kamerami v situacích s omezenou viditelností.

Sonar

Technologie sonaru je také zkoumána v kontextu autonomního řízení. Pasivní sonar pracuje tím, že poslouchá zvuky v okolním prostředí a na základě odhadu časového intervalu mezi zvuky odhaduje vzdálenost od objektů. Aktivní sonar naopak vysílá zvukové vlny a následně zachycuje ozvěny, čímž určuje vzdálenost blízkých objektů na základě principu doby letu.

Sonar má schopnost fungovat i v podmínkách snížené viditelnosti, což ho činí užitečným nástrojem pro samořídící vozidla. Nicméně, použití sonaru může přinést rizika, která převažují nad výhodami. Omezení rychlosti zvuku ovlivňuje provoz sonaru v reálném čase, což je důležité pro zajištění bezpečného autonomního řízení. Navíc může sonar často generovat falešné alarmy. Kromě toho sonar dokáže detekovat velké objekty na krátké vzdálenosti, ale často nedisponuje schopností je rozpoznat či klasifikovat. Z toho důvodu je sonar využíván především k minimalizaci rizika kolize v neočekávaných situacích.

Zatímco sonar může mít své místo v systémech podporujících autonomní řízení, je důležité zvážit jeho omezení a vhodnost pro konkrétní aplikace.

na závěr

Autonomní vozidla často využívají soubor různých senzorů, což má mnoho výhod. Jedna z nich je zálohování - pokud selže jeden senzor, druhý může tuto ztrátu kompenzovat. Technologie spojení dat z různých senzorů, nazývaná senzorová fúze, je klíčová pro plně autonomní vozidla, která potřebují využívat informace ze širokého spektra senzorů pro vytvoření co nejpřesnějšího obrazu svého okolí.

Vývoj autonomního řízení se v současné době věnuje několika různým přístupům. Jeden z nich staví na použití stereo kamer pro dosažení plně autonomního řízení. Jiný přístup spojuje jednu kameru poskytující 360stupňový pohled s doplňujícími lidarovými nebo radarovými senzory pro měření vzdáleností. Třetí strategie kombinuje stereo kamery s radarovými senzory.

Pro dosažení efektivní klasifikace a rozpoznání objektů jsou kamery spolu se senzory klíčové. Radarové a lidarové technologie přináší hodnotné přínosy díky možnosti fúze dat ze senzorů, což zajišťuje odolnost autonomního řízení i v různých povětrnostních podmínkách. Tyto technologie přidávají dimenze v 3D a pomáhají vozidlům lépe chápat okolní prostředí.

Významnou roli hrají i sonarové a ultrazvukové senzory, které se vyznačují odolností vůči povětrnostním vlivům a relativně nízkými náklady. Tyto senzory nabízejí efektivní řešení pro předcházení kolizím a v případě nouzového řešení. V konečném důsledku budou autonomní vozidla spoléhat na kombinaci všech těchto technologií pro dosažení bezpečného a spolehlivého řízení.