A inteligência artificial, combinada com uma nova câmera baseada em biotecnologia, permite detectar pedestres na estrada 100 vezes mais rápido do que as câmeras veiculares atuais. Essa grande inovação em visão computacional, desenvolvida por pesquisadores da Universidade de Zurique, pode melhorar significativamente a segurança dos sistemas de assistência ao motorista e dos carros autônomos.
Uma situação em que um pedestre surge repentinamente na frente de um carro, geralmente dando ao motorista apenas uma fração de segundo para reagir, é um pesadelo para qualquer condutor. Os sistemas de câmeras veiculares atuais podem alertar o motorista ou acionar a frenagem de emergência, mas ainda não são rápidos ou confiáveis o suficiente para uso em veículos autônomos, onde não há um humano ao volante.
O que a nova invenção oferece
Daniel Gehrig e David Scaramuzza, do Departamento de Ciência da Computação da Universidade de Zurique, combinaram uma nova câmera inspirada em processos biológicos com inteligência artificial para criar um sistema capaz de detectar obstáculos ao redor de um carro muito mais rapidamente do que os sistemas atuais e com menos poder computacional.
A maioria das câmeras modernas são de lapso de tempo, ou seja, tiram fotos em intervalos regulares. As câmeras usadas para auxiliar motoristas em carros geralmente conseguem capturar de 30 a 50 quadros por segundo, e uma rede neural artificial pode ser treinada para reconhecer objetos – pedestres, ciclistas e outros carros – muito mais rapidamente.
Embora estejam melhorando, se algo acontecer com as câmeras padrão nos 20 a 30 milissegundos entre dois quadros, a câmera pode detectar o evento tarde demais. Uma opção é aumentar a taxa de quadros, mas isso exige mais processamento de dados em tempo real e mais poder computacional. "O novo sistema é um detector visual que pode detectar objetos tão rápido quanto uma câmera que captura 5,000 quadros por segundo, mas requer a mesma largura de banda que uma câmera padrão de 50 quadros por segundo."
As novas câmeras adotam uma abordagem inovadora baseada em um princípio diferente. Em vez de uma taxa de quadros constante, elas possuem pixels inteligentes que capturam informações quando movimentos rápidos são detectados.
“Dessa forma, não há pontos cegos entre os quadros, o que permite que elas detectem obstáculos mais rapidamente. Elas também são chamadas de câmeras neuromórficas porque imitam a maneira como os olhos humanos percebem as imagens”, diz Scaramuzza, chefe do grupo de robótica e percepção.
No entanto, elas também têm suas desvantagens, pois podem não captar objetos que se movem lentamente, e suas imagens são difíceis de converter em dados usados para treinar algoritmos de inteligência artificial.
A inovação dos cientistas reside no desenvolvimento de um sistema híbrido que combina o melhor das duas tecnologias:
A primeira inclui uma câmera padrão que captura 20 imagens por segundo, uma taxa de quadros relativamente baixa em comparação com as atuais. As imagens são processadas por um sistema de inteligência artificial, uma chamada rede neural convolucional, treinada para reconhecer carros e pedestres.
Os dados da câmera de eventos são combinados com outro tipo de sistema de inteligência artificial, uma rede neural gráfica assíncrona, particularmente adequada para analisar dados tridimensionais que mudam ao longo do tempo. As detecções da câmera de eventos são usadas para prever as detecções da câmera padrão e melhorar seu desempenho.
As perspectivas são enormes.
Durante os testes, a equipe comparou seu sistema com as melhores câmeras e algoritmos de visão disponíveis atualmente no mercado automotivo e descobriu que ele detecta objetos 100 vezes mais rápido. Isso reduz a quantidade de dados que precisa ser transferida entre a câmera e o computador de bordo, bem como a capacidade de processamento necessária para as imagens, sem comprometer a precisão. É importante ressaltar que o sistema detecta com eficácia carros e pedestres que entram no campo de visão entre dois quadros consecutivos da câmera padrão, o que proporciona segurança adicional tanto para o motorista quanto para os demais usuários da via. Isso é especialmente importante em altas velocidades. Os cientistas acreditam que, no futuro, esse método poderá ser ainda mais aprimorado com a integração de câmeras com sensores LiDAR, semelhantes aos utilizados em carros autônomos. Sistemas híbridos desse tipo podem se tornar a base para a segurança da direção autônoma.
Foto ilustrativa: pexels-jakubzerdzicki-37116225
