په تیرو لسیزو یا لږو کې، هر موټر جوړونکی چې تاسو ورسره ولیدل د بازار د سیلابونو د ځان چلولو موټرو امکاناتو په اړه خوښ و. پداسې حال کې چې یو څو لوی موټرو جوړونکو "خورا نه - کافي نه" موټرې په لاره اچولي چې کولی شي ځان د لویې لارې څخه ښکته کړي (البته د موټر چلوونکو لخوا په دوامداره توګه څار سره) ، خودمختاره ټیکنالوژي داسې نده پیښ شوي لکه څنګه چې کارپوهان باور لري.
په 2019 کې، په ټوله نړۍ کې، شاوخوا وو 31 ميليونه خودمختاره وسایط (د خپلواکۍ یو څه کچه) په عملیاتو کې. دا شمیره اټکل کیږي چې تر 54 پورې به 2024 ملیون ته وده ورکړي. تمایلات ښیې چې په 60 کې د 3٪ کمیدو سره سره به بازار 2020٪ وده وکړي.
پداسې حال کې چې ډیری دلیلونه شتون لري چې ولې د ځان چلولو موټرې د تمې څخه ډیر وروسته پیل کیدی شي، یو لومړنی دلیل د حجم، تنوع، او اعتبار له مخې د کیفیت روزنې ډیټا نشتوالی دی. مګر ولې د روزنې معلومات د خپلواکو موټرو پراختیا لپاره مهم دي؟
د خپلواکو موټرو لپاره د روزنې ډیټا اهمیت
خپلسري موټرې د AI د نورو غوښتنلیکونو په پرتله ډیر ډیټا چلول او ډیټا پورې تړلي دي. د خودمختاره وسایطو سیسټمونو کیفیت په لویه کچه د روزنې معلوماتو ډول، حجم او تنوع پورې اړه لري.
د دې لپاره چې ډاډ ترلاسه شي چې خودمختاره موټرې کولی شي د محدود یا هیڅ انساني تعامل سره موټر چل کړي ، دوی باید په سړکونو کې د ریښتیني وخت محرکاتو سره پوه شي ، وپیژني او تعامل وکړي. د دې لپاره چې دا پیښ شي، څو نوریال شبکې باید د خوندي نیویګیشن وړاندې کولو لپاره د سینسرونو څخه راټول شوي معلومات تعامل او پروسس کړي.
د خپلواکو موټرو لپاره د روزنې ډیټا څنګه ترلاسه کول؟
د باور وړ AV سیسټم په هر احتمالي سناریو کې روزل کیږي چې موټر ممکن په ریښتیني وخت کې ورسره مخ شي. دا باید د چاپیریال متغیراتو کې د توکو او فاکتور پیژندلو لپاره چمتو وي ترڅو دقیق موټر چلند تولید کړي. مګر د هرې څنډې قضیې په دقیق ډول حل کولو لپاره د دومره لوی مقدار ډیټاسیټونو راټولول یوه ننګونه ده.
د AV سیسټم په سمه توګه روزلو لپاره، د ویډیو او انځور تشریح تخنیکونه په عکس کې د شیانو پیژندلو او تشریح کولو لپاره کارول کیږي. د روزنې ډیټا د کیمرې لخوا رامینځته شوي عکسونو په کارولو سره راټولیږي ، د کټګورۍ او لیبل کولو له لارې عکسونه په دقیق ډول پیژني.
تشریح شوي انځورونه د ماشین زده کړې سیسټمونو او کمپیوټرونو سره مرسته کوي چې څنګه اړین دندې ترسره کړي. اړوند شیان لکه سیګنالونه، د سړک نښې، پیاده تګ، د هوا شرایط، د وسایطو ترمنځ واټن، ژوروالی او نور اړوند معلومات وړاندې کیږي.
ډیری لوړ پوړ شرکتونه په مختلف عکسونو کې د روزنې ډیټاسیټونه چمتو کوي او د ویډیو تشریح فارمیټونه چې پراختیا کونکي یې د AI ماډلونو رامینځته کولو لپاره کارولی شي.
د روزنې معلومات له کوم ځای څخه راځي؟
خودمختاره وسایط د خپل چاپیریال په شاوخوا کې د معلوماتو راټولولو، پیژندلو او تشریح کولو لپاره مختلف سینسرونه او وسایل کاروي. د مصنوعي استخباراتو لخوا پرمخ وړل شوي د لوړ فعالیت AV سیسټمونو رامینځته کولو لپاره مختلف ډیټا او تشریحات اړین دي.
ځینې وسیلې چې کارول کیږي عبارت دي له:
کیمره:
په موټر کې موجود کیمرې 3D او 2D عکسونه او ویډیوګانې ثبتوي
رادار:
رادار موټر ته د شیانو د تعقیب، کشف، او حرکت وړاندوینې په اړه مهم معلومات چمتو کوي. دا د متحرک چاپیریال ډیټا بډایه نمایش رامینځته کولو کې هم مرسته کوي.
LiDaR (د رڼا کشف او رینج):
په 2D ځای کې د 3D عکسونو په سمه توګه تشریح کولو لپاره، د LiDAR کارول اړین دي. LiDAR د لیزر په کارولو سره د ژوروالي او فاصلې اندازه کولو کې مرسته کوي.
د پام وړ ټکي په داسې حال کې چې د خپلواکو وسایطو روزنې ډیټا راټولول
د ځان چلولو موټر روزنه یوازینۍ دنده نه ده. دا دوامداره پرمختګ ته اړتیا لري. یو بشپړ خودمختاره موټر کولی شي د بې چلوونکي موټرو لپاره یو خوندي بدیل وي چې بشري مرستې ته اړتیا لري. مګر د دې لپاره، سیسټم باید په لوی مقدار کې روزل شي د لوړ کیفیت روزنې معلومات.
حجم او تنوع
یو ښه او ډیر باوري سیسټم رامینځته کیدی شي کله چې تاسو خپل روزنه ورکړئ ماشین زده کړه د مختلفو ډیټاسیټونو په لوی مقدار کې ماډل. په ځای کې د ډیټا ستراتیژي چې کولی شي په سمه توګه وپیژني کله چې ډیټا سیټ کافي وي او کله چې د ریښتینې نړۍ تجربې ته اړتیا وي.
د موټر چلولو ځینې اړخونه یوازې د ریښتینې نړۍ تجربې څخه راځي. د مثال په توګه، یو خودمختاره موټر باید د ریښتیني نړۍ منحرف سناریوګانو اټکل وکړي لکه د سیګنال پرته ګرځیدل یا د پیاده چلونکي سره مخ کیدل.
پداسې حال کې چې لوړ کیفیت د معلوماتو تشریح په لویه کچه مرسته کوي، دا هم سپارښتنه کیږي چې د روزنې او تجربې په جریان کې د حجم او تنوع له مخې ډاټا ترلاسه کړي.
په تشریح کې لوړ دقت
ستاسو د ماشین زده کړې او ژورې زده کړې ماډلونه باید په پاکو او دقیقو معلوماتو کې وروزل شي. خودمختاري موټر چلول ډیر باوري کیږي او د دقت لوړه کچه ثبتوي، مګر دوی لاهم اړتیا لري چې د 95٪ دقت څخه 99٪ ته حرکت وکړي. د دې کولو لپاره، دوی باید سړک ښه درک کړي او د انساني چلند غیر معمولي قواعدو باندې پوه شي.
د کیفیت ډیټا تشریح کولو تخنیکونو کارول کولی شي د ماشین زده کړې ماډل دقت ښه کولو کې مرسته وکړي.
- د معلوماتو جریان کې د تشو او توپیرونو په پیژندلو سره پیل وکړئ او د ډیټا لیبل کولو اړتیاوې تازه وساتئ.
- د ریښتیني نړۍ څنډې قضیې سناریوګانو په نښه کولو لپاره ستراتیژۍ رامینځته کړئ.
- په منظمه توګه د ماډل او کیفیت معیارونو ته وده ورکړئ ترڅو د روزنې وروستي اهداف منعکس کړي.
- تل د باور وړ او تجربه لرونکي ډیټا روزنې شریک سره ملګرتیا وکړئ څوک چې وروستي لیبلینګ کاروي او د تشریح تخنیکونه او غوره کړنې.
د کارولو احتمالي قضیې
د څیز کشف او تعقیب
د تشریح کولو ډیری تخنیکونه د شیانو تشریح کولو لپاره کارول کیږي لکه پیاده چلونکي، موټرې، د سړک سیګنالونه، او نور په عکس کې. دا د خپلواکو موټرو سره مرسته کوي چې شیان په ډیر دقت سره کشف او تعقیب کړي.
د نمبر پلیټ کشف
د باؤنډینګ بکس د عکس تشریح کولو تخنیک په مرسته ، نمبر پلیټونه په اسانۍ سره موقعیت لري او د موټرو له عکسونو څخه ایستل کیږي.د سیمفور تحلیل کول
یوځل بیا ، د بانډینګ بکس تخنیک په کارولو سره ، سیګنالونه او لاسلیک بورډونه په اسانۍ پیژندل شوي او تشریح شوي.
د پیاده رو تعقیب سیسټم
د پیاده تګ تعقیب په هر ویډیو چوکاټ کې د پیاده چلونکو حرکت تعقیب او تشریح کولو سره ترسره کیږي ترڅو خپلواک موټر وکولی شي د پیاده چلونکو حرکت په سمه توګه په ګوته کړي.
د لین توپیر
د لین توپیر د خپلواکو موټرو سیسټم پراختیا کې مهم رول لوبوي. په خودمختاره وسایطو کې، کرښې د لینونو، کوڅو او سړکونو په اوږدو کې د پولی لاین تشریح په کارولو سره رسم شوي ترڅو د لین دقیق توپیر وړ کړي.
د ADAS سیسټمونه
د پرمختللو موټر چلوونکي مرستې سیسټمونه د خپلواکو موټرو سره مرسته کوي چې د سړک نښې، پیاده چلونکي، نور موټرونه، د پارکینګ مرسته، او د ټکر خبرتیا کشف کړي. د فعالولو لپاره کمپیوټر لید in ADAS، د سړک ټولې نښې باید په مؤثره توګه تشریح شي ترڅو شیان او سناریوګانې وپیژني او په وخت اقدام وکړي.
د ډرایور د څارنې سیسټم / په کیبن کې څارنه
د کیبن دننه څارنه هم د وسایطو او نورو کسانو د خوندیتوب ډاډ ترلاسه کولو کې مرسته کوي. د کیبن دننه کیمره د موټر چلوونکي حیاتي معلومات راټولوي لکه خوب، د سترګو لید، ګډوډي، احساسات، او نور. دا د کیبن دننه عکسونه په دقیق ډول تشریح شوي او د ماشین زده کړې ماډلونو روزنې لپاره کارول کیږي.
شیپ د ډیټا تشریح کولو مخکښ شرکت دی چې سوداګرۍ ته د خپلواکو موټرو سیسټمونو ځواک ورکولو لپاره د لوړ کیفیت روزنې ډیټا چمتو کولو کې مهم رول لوبوي. زموږ د عکس لیبل کولو او تشریح کولو دقیقیت د صنعت په بیلابیلو برخو کې د مخکښو AI محصولاتو په جوړولو کې مرسته کړې، لکه روغتیا پاملرنې، پرچون، او موټرو.
موږ ستاسو د ماشین زده کړې او ژورې زده کړې ماډلونو لپاره په رقابتي نرخونو کې لوی مقدار متنوع روزنې ډیټاسیټونه چمتو کوو.
د باور وړ او تجربه لرونکي روزنې ډیټا چمتو کونکي سره خپلې AI پروژې بدلولو لپاره چمتو اوسئ.
