Aby se počet samořiditelných vozidel na veřejných komunikacích po celém světě mohl rozšířit, musí výrobci zavést metodické, účinné a přesné detekční systémy pro zvýšení bezpečnosti a spolehlivosti pro cestující.

K tomu, aby se vozidla mohla pohybovat autonomně, bezpečně a spolehlivě v širokém spektru prostředí, je třeba využít řadu technologií týkajících se zpracování signálu, zpracování obrazu, hlubokého učení, umělé inteligence, edge computingu a internetu věcí. Pro zajištění bezpečného zážitku z jízdy je pro autonomní vozidla nezbytné kromě porozumění potenciálním hrozbám pro cestující také přesně sledovat a rozlišovat své okolí. Z tohoto důvodu autonomní vozidla využívají více druhů senzorů, např. lidar, radar, nebo kamery, které produkují značné množství dat.

Účinné zpracování a interpretace těchto shromážděných informací je zásadní, pokud mají autonomní vozidla identifikovat chodce a další účastníky silničního provozu. Toho lze dosáhnout integrací pokročilých výpočetních metod a internetu věcí do těchto vozidel, což umožňuje efektivní zpracování dat v místě jejich vzniku a rychlejší navigaci v různých prostředích. Mezinárodnímu týmu z Incheon National vedený profesorem Gwanggilem Jeonem z Korei, vyvinul neuronovou síť, která ve spojení s internetem věcí detekuje 2D a 3D objekty s vysokou přesností, která se pohybuje na úrovni více než 96 %. 

Detekce a klasifikace účastníků dopravního provozu (foto: Nvidia)
 

Nová metoda překonává současné metody jejichž průměrná přesnost se pohybuje okolo 70 % .Pro identifikaci objektů v reálném čase z nashromážděných obrázků a mračen bodů byl využit algoritmus YOLOv3, který pomocí umělé inteligence předměty zájmu identifikuje a roztřídí do skupin podle podobnosti vlastností jednotlivých objektů. Následně tým testoval výkon algoritmu pomocí sady dat od provozovatele autonomních vozidel Lyft a první výsledky ukázaly, že YOLOv3 dosáhl velmi vysoké přesnosti detekce. Nespornou výhodou tohoto modelu je, že jej lze aplikovat v široké škále aplikací a zároveň může významně přispět ke zvýšení bezpečnosti provozu autonomních vozidel, která tak může s podobnými výzkumnými projekty dále vzkvétat.