Los vehículos autónomos están listos para revolucionar el transporte; sin embargo, su implementación exitosa depende de la capacidad de reconocer y responder con precisión a las amenazas externas. Desde algoritmos de procesamiento de señales y análisis de imágenes hasta sistemas de inteligencia de aprendizaje profundo integrados con la infraestructura de IoT, se debe utilizar una variedad de tecnologías para que los automóviles autónomos brinden una operación segura en diversos terrenos. Para garantizar que la seguridad de los pasajeros no se vea comprometida a medida que estos automóviles de vanguardia se generalicen, es necesario desarrollar métodos sólidos que puedan detectar de manera efectiva los peligros potenciales de manera rápida y confiable.
Los vehículos autónomos dependen de sensores de alta tecnología como LiDAR, radar y cámaras RGB para generar grandes cantidades de información para identificar adecuadamente a los peatones, otros conductores y peligros potenciales. La integración de capacidades informáticas avanzadas e Internet de las cosas (IoT) en estos automóviles automatizados hace posible procesar rápidamente estos datos en el sitio para navegar por varias áreas y objetos de manera más eficiente. En última instancia, esto permite que el vehículo autónomo tome decisiones en una fracción de segundo con una precisión mucho mayor que los conductores humanos tradicionales.
Gran paso adelante en la tecnología de conducción autónoma
La investigación pionera realizada por el profesor Gwanggil Jeon de la Universidad Nacional de Incheon, Corea, y su equipo internacional marca un gran paso adelante en la tecnología de conducción autónoma. El innovador sistema integral inteligente habilitado para IoT que han desarrollado permite la detección de objetos 3D en tiempo real mediante el aprendizaje profundo, lo que lo hace más confiable y eficiente que nunca. Puede detectar una mayor cantidad de objetos con mayor precisión, incluso cuando se enfrenta a entornos desafiantes como poca luz o condiciones climáticas inusuales, algo que otros sistemas no pueden hacer. Estas capacidades permiten una navegación más segura en varios escenarios de tráfico, elevando el nivel de los sistemas de conducción autónomos y contribuyendo a mejorar la seguridad vial en todo el mundo.
La investigación fue publicada en la revista Transacciones IEEE de Sistemas de Transporte Inteligentes.
“Para los vehículos autónomos, la percepción del entorno es fundamental para responder a una pregunta central: ‘¿Qué hay a mi alrededor?’ Es esencial que un vehículo autónomo pueda comprender de manera efectiva y precisa las condiciones y los entornos que lo rodean para realizar una acción de respuesta”, explica el Prof. Jeon. “Ideamos un modelo de detección basado en YOLOv3, un conocido algoritmo de identificación. El modelo se usó primero para la detección de objetos 2D y luego se modificó para objetos 3D”, continúa.
Modelo basado en YOLOv3
El equipo alimentó las imágenes RGB recopiladas y los datos de la nube de puntos a YOLOv3, que luego generó etiquetas de clasificación y cuadros delimitadores con puntajes de confianza. Luego, se probó su rendimiento con el conjunto de datos de Lyft, y los primeros resultados demostraron que YOLOv3 logró una precisión de detección extremadamente alta (>96 %) para objetos 2D y 3D. El modelo superó varios modelos de detección de última generación.
Este método recientemente desarrollado podría usarse para vehículos autónomos, estacionamiento autónomo, entrega autónoma y futuros robots autónomos. También podría usarse en aplicaciones donde se requiere detección, seguimiento y localización visual de objetos y obstáculos.
“En la actualidad, la conducción autónoma se realiza a través del procesamiento de imágenes basado en LiDAR, pero se prevé que una cámara general reemplace el papel de LiDAR en el futuro. Como tal, la tecnología utilizada en los vehículos autónomos cambia a cada momento y nosotros estamos a la vanguardia”, dice el Prof. Jeon. “Con base en el desarrollo de tecnologías de elementos, los vehículos autónomos con seguridad mejorada deberían estar disponibles en los próximos 5 a 10 años”.