मानव रहित वाहन: एल्गोरिदम को एनिमेट कर रहा है। यैंडेक्स रिपोर्ट

Yandex.Zhelezo बैठक से एक और रिपोर्ट का एक विस्तृत प्रतिलेख - यूएवी के लिए उपकरणों के विकास के बारे में।



- सभी को नमस्कार, मेरा नाम विटाली पॉडकोल्ज़िन है, मैं मानवरहित वाहन परियोजना के लिए एम्बेडेड सिस्टम के विकास का प्रमुख हूं। और आज मैं आपके साथ एक मानव रहित कार के बारे में बात करना चाहूंगा, इसकी संरचना में कौन से घटक शामिल हैं, कार को कैसे स्थानांतरित किया जाए और ऑटोपायलट और इसके घटक कैसे काम करते हैं, इसका उपयोग उपकरणों पर निर्भर करता है।

यह समझने के लिए कि आगे कहाँ जाना है, एक व्यक्ति को पहले यह पता लगाने की ज़रूरत है कि वह कहाँ है। एक मानव रहित कार, भी। इसके लिए, स्थानीयकरण उपतंत्र हमारे लिए जिम्मेदार है। तब आपको यह समझने की जरूरत है कि हमारे आसपास क्या हो रहा है। धारणा या धारणा की प्रणाली हमारी दृष्टि, दुनिया की धारणा के लिए जिम्मेदार है। स्थान डेटा के आधार पर, हमारे आस-पास की वस्तुओं के बारे में, हम सड़क उपयोगकर्ताओं पर, इसके विकास पर, सड़क उपयोगकर्ताओं के व्यवहार पर पूर्वानुमान लगा सकते हैं। और आंदोलन, प्रक्षेपवक्र के इष्टतम मार्ग को चुनें, आगे इसे एक नियंत्रण कार्रवाई में बदल दिया।

लेकिन उपरोक्त सभी सामान्य मामले में, एल्गोरिदम हैं। और आप इन एल्गोरिदम को अपने कंप्यूटर पर चला सकते हैं, अगर यह पर्याप्त शक्तिशाली था। बेशक, यह एक मानवरहित कार को कंप्यूटर से बाहर नहीं करेगा। दो महत्वपूर्ण बातें याद आ रही हैं।



पहला सेंसर का काफी समृद्ध सेट है, जिनमें से मुख्य स्लाइड पर सूचीबद्ध हैं। और निश्चित रूप से, हमें एक मंच की आवश्यकता है जो हमारी आज्ञाओं को क्रियान्वित करेगा। आपको उसके साथ बातचीत करने की आवश्यकता है।

चलो कार के साथ बातचीत के मुद्दे पर ध्यान दें। ऑटोपायलट, एक व्यक्ति की तरह, कार चलाने के लिए साधारण चीजें करने की आवश्यकता होती है: पहिया को घुमाएं, तेज करें, धीमा करें। एक तार्किक समाधान इन निकायों को नियंत्रित करने के लिए एक्ट्यूएटर्स का उपयोग करने के लिए लग सकता है।

^{_{स्लाइड से लिंक करें}}

लेकिन इस दृष्टिकोण में कई महत्वपूर्ण कठिनाइयाँ हैं। एक मानवरहित वाहन का विकास अभी भी कुछ चरणों में एक चालक की उपस्थिति का अर्थ है - आपको कार को एक सेवा में ले जाने या ऑटोपिलॉट की निगरानी करने की आवश्यकता है जब हम विभिन्न विशेषताओं का परीक्षण करते हैं, खासकर शुरुआती चरणों में। ये उपकरण चालक के जीवन को काफी जटिल बनाते हैं।

बेशक, पूरी प्रणाली जटिल है, और सामान्य तौर पर ऐसे मैकेनिक नियंत्रण में अप्रिय देरी का परिचय दे सकते हैं। यह वाहन नियंत्रण सर्किट को नकारात्मक रूप से प्रभावित करता है।

हां, हमें अभी भी परियोजना की शुरुआत में एक सरल मंच की आवश्यकता थी, लेकिन हमें इस मंच के साथ बातचीत करने के लिए कुछ अन्य दृष्टिकोण की आवश्यकता थी। और हम कार में गहरी खुदाई करने लगे।



विभिन्न प्लेटफार्मों की सुविधाओं का अध्ययन करने के बाद, हमने पाया कि कई आधुनिक कारों में कार के अपने अंगों को नियंत्रित करने की क्षमता है। उदाहरण के लिए, एक सहायक पार्किंग के दौरान स्टीयरिंग व्हील को नियंत्रित करता है। क्रूज नियंत्रण कार के त्वरण को प्रभावित करता है, अनुकूली क्रूज नियंत्रण या गति सीमा प्रणाली ब्रेकिंग सिस्टम को प्रभावित कर सकती है।

ये सभी प्रणालियां, एक नियम के रूप में, कारों में बंद हैं। और उनके साथ बातचीत करने के लिए, इसने कई विशिष्ट उपकरणों का विकास किया। कार के साथ बातचीत करने के अलावा, सिस्टम को कार चलाने के लिए एक सुविधाजनक, उपयोगकर्ता के अनुकूल इंटरफेस प्रदान करना आवश्यक था। और निश्चित रूप से, सिस्टम को सरल, सीधा और बहुत लचीला होना चाहिए था।



हम एक मंच पर आए, जहां कार के आधार पर, छोटे नियंत्रण बोर्ड विकसित किए जाते हैं जो एक विशिष्ट नोड के साथ बातचीत करते हैं। इन बोर्डों की संरचना और कार्यक्षमता मंच से मंच तक भिन्न होती है, लेकिन वे सभी एक नेटवर्क में एक साथ आते हैं, जहां एक प्रमुख इकाई होती है, जिसे हम पारंपरिक रूप से गेटवे कहते हैं। यह इन उपकरणों की निगरानी करता है। इसके अलावा, प्रवेश द्वार सुविधाजनक उपकरणों पर ऑटोपायलट के लिए एक इंटरफ़ेस प्रदान करता है। यहां हम अपने बुनियादी ढांचे के लिए सुविधाजनक ईथरनेट, और कैन, सबसे लोकप्रिय ऑटोमोटिव इंटरफेस देखते हैं। इसके अलावा, हमारी मुख्य इकाई लगातार कार के साथ बातचीत करती है, घटकों और विधानसभाओं की स्थिति की निगरानी करती है। यदि किसी भी विचलन का पता लगाया जाता है, तो, उनकी प्रकृति के आधार पर, ऑटोपायलट के साथ मिलकर, आगे के चरणों पर निर्णय लिया जाता है।

हमने बोर्ड को काफी लोकप्रिय और सिद्ध माइक्रोकंट्रोलर पर लागू करने का फैसला किया। हमने उन्हें प्रदर्शन के एक मार्जिन के साथ लिया और उन लोगों को चुना जो काम के लिए आवश्यक इंटरफेस का समर्थन करते हैं: CAN, ईथरनेट और एनालॉग डिजिटल इनपुट / आउटपुट।

हमें एक समाधान मिला जो वास्तव में हमारे लिए लचीला था और जिसने हमें कम समस्याओं के साथ एक मंच से दूसरे प्लेटफार्म पर जाने की अनुमति दी।

चलो सेंसर के बारे में बात करते हैं। प्रत्येक मानवरहित वाहन में सेंसरों का एक समृद्ध समूह होता है। प्रत्येक यैंडेक्स मानवरहित वाहन में छत पर चार लिडार और सामने तीन, छः कैमरे हैं जिन्हें छत पर रखा गया है, और छह राडार: दो पीछे और चार सामने, जिनमें से दो किनारे पर स्थित हैं।



हम कंप्यूटर में रडार, लिडार, कैमरा, कनेक्ट, ड्राइव लेते हैं। लेकिन इतना सरल नहीं है। यह सुनिश्चित करना बहुत महत्वपूर्ण है कि सेंसर डेटा पर्याप्त और उच्च गुणवत्ता का है। हमने सेंसर लगाने के लिए समझने के लिए बड़ी संख्या में प्रयोग किए, ताकि हम दुनिया को बेहतर और स्पष्ट रूप से देख सकें।

इसके अलावा, हमारे डिजाइनरों को यह सुनिश्चित करने के लिए कड़ी मेहनत करनी पड़ी कि सेंसर से संबंधित कार में सभी परिवर्तन प्रमाणन निकायों की आवश्यकताओं को पूरा करते हैं।



यहाँ क्या हुआ है। छत पर छह कैमरे महत्वपूर्ण ओवरलैप के साथ एक अच्छा 360-डिग्री दृश्य देते हैं - स्लाइड पर अंधेरे क्षेत्रों को चिह्नित किया जाता है। ये कैमरे एक अच्छा वर्टिकल व्यू भी देते हैं। कैमरा एकमात्र सेंसर है जो ट्रैफिक लाइट को देखता है, क्योंकि वे अलग-अलग हिस्सों में स्थित हो सकते हैं, चौराहे और अन्य चीजों के आधार पर।



रडार प्रत्येक कार के लिए एक और महत्वपूर्ण सेंसर हैं। वे दिलचस्प हैं कि उनके पास बहुत व्यापक देखने का कोण नहीं है, लेकिन एक अच्छी श्रृंखला है। दो ललाट रडार आगे क्या हो रहा है, इसकी निगरानी का कार्य करते हैं, हमारे एल्गोरिदम में पीछे के राडार का उपयोग, एक नियम के रूप में, पुनर्निर्माण, ओवरटेकिंग और इसी तरह के युद्धाभ्यास में किया जाता है। बग़ल में दिखने वाले रडार काफी जटिल चौराहों के माध्यम से ड्राइविंग के लिए आवश्यक हैं जहां सेंसर से जानकारी पर्याप्त नहीं हो सकती है।



संभवतः सबसे दिलचस्प सेंसर लिडार है। वह उस जानकारी में रुचि रखता है जो उससे आती है। यहां एक बिंदु बादल, बिंदु बादल है, यह लिडार से डेटा है। वे पैदल चलने वालों, कारों, सड़क, यहां तक ​​कि सड़क के किनारों और अन्य वस्तुओं को दिखाते हैं। बक्से पहले से ही हमारी मान्यता एल्गोरिदम के काम का परिणाम हैं।



कुल मिलाकर, सभी सेंसर लगभग एक ही तस्वीर देते हैं। जैसा कि आप देख सकते हैं, सेंसर के ऐसे सेट के साथ कार के आसपास कुछ भी नोटिस नहीं करना असंभव है।

मैं दो उदाहरणों पर ध्यान केन्द्रित करना चाहूंगा जिनका सामना हमें तब करना था जब हमें हार्डवेयर विकसित करने की आवश्यकता थी। मैं स्थानीयकरण के मामले से शुरू करूंगा।

मुख्य स्रोत उच्च परिभाषा कार्ड हैं। प्रत्येक समय में, एक मानवरहित वाहन इन कार्डों के साथ लिडार से डेटा की तुलना करता है। ऐसी तुलना के आधार पर, वह सेंटीमीटर सटीकता के साथ अपना स्थान प्राप्त करता है। जीपीएस, ग्लोनस या कोई अन्य उपग्रह नेविगेशन केवल इसकी कम स्थिरता, बाहरी स्थितियों पर उच्च निर्भरता, मौसम, शोर, हस्तक्षेप के कारण मानव रहित वाहन के साथ काम करने के लिए उपयुक्त नहीं है। शहर में, यह सब सिग्नल ओवरलैप्स, इमारतों से प्रतिबिंब आदि द्वारा काफी जटिल है, लेकिन हमें ये कार्ड कहां मिलते हैं? हम सेंसर के एक सेट के साथ अपने मानव रहित वाहनों का उपयोग करते हुए, स्वयं मानचित्र बनाते हैं।

इन मानचित्रों को बनाने के लिए, हमें लिडार और जमीन पर किसी प्रकार के संदर्भ की आवश्यकता होती है। आपको किसी तरह अपना समन्वय प्राप्त करने की आवश्यकता है। जीपीएस शुरू में एक समन्वय दे सकता है, लेकिन इसकी सटीकता बहुत अधिक नहीं है। जैसा कि मैंने कहा, जीपीएस की सटीकता वायुमंडलीय स्थितियों, हस्तक्षेप से प्रभावित होती है, और शहर में भी प्रतिबिंब हैं।



रीयलटाइम कीनेमेटिक तकनीक बचाव के लिए आती है। लब्बोलुआब यह है: कहीं न कहीं जमीन पर एक निश्चित बेस स्टेशन को उसी प्राप्त डिवाइस के साथ स्थापित किया जाता है जैसे कार पर। यदि कार और बेस स्टेशन के बीच की दूरी 30 किमी (कुछ मामलों में 50 किमी) से अधिक नहीं है, तो कार और बेस स्टेशन द्वारा प्राप्त उपग्रह डेटा लगभग समान होगा। लेकिन बेस स्टेशन, इसके सटीक समन्वय को जानने (यह स्थिर है) और उपग्रह डेटा के अनुसार समन्वय की गणना, सशर्त रूप से, एक गणना त्रुटि प्राप्त करता है। इस त्रुटि के आधार पर, संशोधन विकसित किए जाते हैं जो कार से इंटरनेट के माध्यम से कार को भेजे जाते हैं। उपग्रहों द्वारा निर्देशांक की गणना करते समय प्राप्त सुधारों को ध्यान में रखते हुए कार, सेंटीमीटर सटीकता के साथ अपने समन्वय को प्राप्त करती है। बेशक, इस प्रणाली के साथ काम करने के लिए, आपको एक अच्छा इंटरनेट चैनल और अच्छे मौसम की आवश्यकता है ताकि जीपीएस सिग्नल स्थिर हो।

कार या बेस स्टेशन पर आरटीके समर्थन के साथ काम करने वाला उपकरण प्राप्त करने के लिए, आपको सॉफ्टवेयर की आवश्यकता होती है। RTK RTKLib सुविधाएँ प्रदान करने वाली लाइब्रेरी सार्वजनिक रूप से उपलब्ध हैं। विभिन्न विशेषताओं के साथ अलग-अलग विविधताएं हैं। पुस्तकालयों में आम तौर पर एक लिनक्स वातावरण और उपग्रह नेविगेशन मॉड्यूल की आवश्यकता होती है जो कच्चे डेटा प्रदान करते हैं।

कुछ प्रयोगों का आयोजन करने के बाद, कुछ चीजों को प्रोटोटाइप करके, हमें स्थानीयकरण ब्लॉक का एक ब्लॉक आरेख मिला, जिसे हमने जियोहब कहा।

निर्दिष्ट उपग्रह नेविगेशन मॉड्यूल के अलावा, जड़त्वीय माप का एक मॉड्यूल भी है, जिसका उपयोग हम स्थानीयकरण प्रणाली में करते हैं। इंटरनेट अब ईथरनेट इंटरफेस के माध्यम से आ रहा है जो हमारे बुनियादी ढांचे के लिए सुविधाजनक है।





यहां दूसरी डिवाइस, इसकी दूसरी पीढ़ी और मुख्य तकनीकी विशेषताएं हैं।

हमने जड़त्वीय माप मॉड्यूल और उपग्रह सिग्नल मॉड्यूल को बदल दिया। नतीजतन, इसने हमें एक कार पर प्रयोगों की एक श्रृंखला को पूरा करने की अनुमति दी और विभिन्न मापदंडों के दृष्टिकोण से इष्टतम माप मॉड्यूल का चयन किया, और उपग्रह सिग्नल मॉड्यूल के रूप में, हम प्रक्रिया में एक दोहरे बैंड रिसीवर पर स्विच करने में सक्षम थे, जिसने स्थान निर्धारण की गुणवत्ता में काफी सुधार किया।

अपने डिवाइस को क्यों विकसित करें जब आप निश्चित रूप से बाजार में जा सकते हैं और कुछ समान खरीद सकते हैं? इसका उत्तर यह है कि हमारे लिए, सबसे महत्वपूर्ण मापदंडों में से एक डिवाइस का लचीलापन है। परियोजना में तेजी से बदलती आवश्यकताओं के कारण, नई कार्यक्षमता उभरकर, हमें इस पर बहुत तेज़ी से प्रतिक्रिया देने में सक्षम होने की आवश्यकता है। केवल प्रोजेक्ट, इन-हाउस, हार्डवेयर और सॉफ्टवेयर के विकास के भीतर होने से, हमें इन परिवर्तनों के विकास की एक उच्च गति मिलती है।

मानव रहित वाहन के दृष्टिकोण से एक और दिलचस्प सेंसर कैमरा है। ठीक है, हर फोन और लैपटॉप में एक कैमरा होता है। यहां क्या जटिल हो सकता है? लेकिन आइए देखें कि ड्रोन में कैमरे का उपयोग करते समय आपको किन समस्याओं का सामना करना पड़ सकता है।



पहली समस्या एलईडी प्रकाश स्रोतों की चंचलता है। ज्यादातर ट्रैफिक लाइटें ऐसे ही स्रोत हैं। वीडियो उस समय बंद हो गया, जब टिमटिमाते हुए, लाल संकेत लगभग गायब हो गया।

इस समस्या के लिए, सेंसर में हार्डवेयर समाधान एम्बेडेड हैं, लेकिन अच्छी तरह से और उच्च गुणवत्ता के साथ काम करने के लिए, आपको सेंसर के साथ सक्रिय रूप से बातचीत करने में सक्षम होने की आवश्यकता है।

कैमरों के लिए दूसरी आवश्यकता एक उच्च गतिशील रेंज है, अर्थात, किसी भी प्रकाश की स्थिति में काम करने की क्षमता, रात में और तेज धूप में। एचडीआर की उपस्थिति भी महत्वपूर्ण है, अर्थात्, एक बेहतर चित्र प्राप्त करने के लिए अलग-अलग रोशनी के साथ फ्रेम के संयोजन की संभावना।



बाईं ओर एक तस्वीर का एक उदाहरण है जहां एचडीआर फ़ंक्शन का उपयोग किया जाता है, और दाईं ओर - जहां यह अक्षम है।



इसके अलावा, हमें, निश्चित रूप से, एक पर्याप्त रिज़ॉल्यूशन और एक पर्याप्त फ्रेम दर के साथ एक चित्र प्राप्त करना होगा। स्लाइड में, कुछ और बिंदु उजागर किए गए हैं, जिनमें मानव रहित वाहन निहित हैं, जिनमें शामिल हैं। कैमरे को एक असम्पीडित वीडियो स्ट्रीम का उत्पादन करना चाहिए, अधिमानतः RGB888 प्रारूप का, क्योंकि हमारे नेटवर्क, एल्गोरिदम इस प्रारूप के साथ काम करते हैं, वे इस प्रारूप में फ़्रेम प्राप्त करना चाहते हैं।

अधिकांश कैमरे, बाजार पर तैयार समाधान, संपीड़ित डेटा प्रदान करते हैं - H264, MPEG। यहां समस्याएं सरल हैं: हम संपीड़न के दौरान गुणवत्ता खो देते हैं और संपीड़न और विघटन में देरी का परिचय देते हैं। देरी गैर-नियतात्मक हो सकती है, विशेष रूप से उच्च सिस्टम लोड पर। पूर्ण एचडी रिज़ॉल्यूशन वाला कैमरा और 16 बिट प्रति पिक्सेल की बिट दर के साथ 30 फ्रेम प्रति सेकंड की आवृत्ति शुद्ध वीडियो डेटा के प्रति सेकंड गीगाबिट्स की एक धारा का उत्पादन करती है।

इसके अलावा, कैमरे आमतौर पर प्राप्त डिवाइस से दूरी पर स्थित होते हैं, और कार में, विशेष रूप से कुछ प्रयोगों के दौरान, वे आमतौर पर कार के दूसरे छोर पर स्थित हो सकते हैं। हमें ऐसे कैमरों की आवश्यकता थी जो पूरी तरह से असम्पीडित वीडियो स्ट्रीम को 6-8 मीटर की दूरी पर प्रसारित करने की अनुमति देते हैं, केबलिंग को ध्यान में रखते हुए। 16 बिट प्रति पिक्सेल के साथ एक पूर्ण HD कैमरा के लिए, वीडियो स्ट्रीम 1 गीगाबिट है, जो अब विभिन्न सर्विस डेटा और इतने पर स्थानांतरण के बाद से गीगाबिट ईथरनेट के उपयोग की अनुमति नहीं देता है। दस गीगाबिट ईथरनेट पूरी तरह से उपयुक्त नहीं है। यह महंगा है, उच्च बिजली की खपत, उच्च गर्मी लंपटता, नेटवर्क के बुनियादी ढांचे की वृद्धि हुई जटिलता।

हां, अन्य दिलचस्प इंटरफेस हैं। मैं उनमें से दो के बारे में बात करना चाहूंगा जिनके साथ हमने काम किया है। वे मैक्सिम इंटीग्रेटेड और टेक्सास इंस्ट्रूमेंट्स द्वारा प्रदान किए जाते हैं। ख़ासियत यह है कि वीडियो स्ट्रीम डेटा में क्रमबद्ध है जो एक साधारण भौतिक स्तर पर जाता है, इस मामले में एक समाक्षीय केबल के माध्यम से, 3-4 की गति पर, कभी-कभी 6 गीगाबिट प्रति सेकंड। इसके अलावा, यह इंटरफ़ेस आपको एक ही समाक्षीय केबल पर कैमरे को नियंत्रित करने के लिए रिटर्न चैनल का उपयोग करने की अनुमति देता है। और उस पर कैमरा पावर जा सकता है। उपरोक्त सभी इस इंटरफ़ेस को बहुत आकर्षक बनाते हैं।



जब हमने शुरुआत की, तो हमें बाजार में एक समाधान मिला जो मूल रूप से अधिकांश आवश्यकताओं को पूरा करता था। हमने प्रोजेक्ट की शुरुआत में कुछ समय के लिए इसका इस्तेमाल किया।



समाधान का ब्लॉक आरेख आपके सामने है। यह एक सेंसर है जिसमें से डेटा को GMSL / FPD-Link इंटरफ़ेस में क्रमबद्ध किया जाता है। प्राप्त करने वाले भाग में, जिसे 15 मीटर तक हटाया जा सकता है, डेटा को डिसेरियालाइज़ किया जाता है और रिसीवर को प्रेषित किया जाता है। हमारे समाधान में, इस रिसीवर ने USB 3.0 इंटरफ़ेस के माध्यम से डेटा प्रदान किया।

लेकिन इस समाधान का उपयोग शुरू करने पर, हमें कई अप्रिय समस्याओं का सामना करना पड़ा। मुख्य समस्या - समाधान ने बहुत अस्थिर काम किया, इस प्रक्रिया में "गिर गया", ऑटोप्लेट शुरू होने पर कैमरे अच्छी तरह से शुरू नहीं हुए। इसके अलावा, समाधान ने छवि की गुणवत्ता में सुधार के लिए सेंसर के मापदंडों को खुद को समायोजित करने की अनुमति नहीं दी। कई समस्याएं भी थीं। उदाहरण के लिए, कैमरे का सटीक टाइमस्टैम्प, शूटिंग का समय प्राप्त करना मुश्किल था, जो कि काफी महत्वपूर्ण है, क्योंकि 100 एमएस की देरी से 15 मीटर / सेकंड की गति से कार पहले से ही डेढ़ मीटर की यात्रा करती है, और यह धारणा एल्गोरिदम को नकारात्मक रूप से प्रभावित कर सकती है।

एक और दिलचस्प बात थी। चयनित समाधान का आउटपुट इंटरफ़ेस यूएसबी 3.0 था, और हमने पाया कि यह बहुत शोर था। इसे हम कैसे समझें? हमारे पास दो कारें थीं जो किसी भी चीज से नहीं जुड़ी थीं। एक पर, उन्होंने कैमरा लॉन्च किया, दोनों पर, उपग्रह नेविगेशन सिग्नल बहुत ज्यादा डूब गया। फिर हमने अध्ययन करना शुरू किया कि क्या चल रहा था।

सामान्य रूप से इन सभी कमियों का विश्लेषण करने के बाद, आपके सामने संरचनात्मक आरेख का अध्ययन किया और इसी तरह, हम इस निष्कर्ष पर पहुंचे कि समस्या प्राप्त भाग में है। फिर वे सोचने लगे कि इसका क्या किया जाए। हमने देखा कि बाजार में क्या है, अन्य टीमों से समाधान, और इस निष्कर्ष पर पहुंचे कि हमें अपना स्वयं का प्राप्त करने वाला उपकरण बनाने की आवश्यकता है जो जीएमएसएल या एफपीडी-लिंक इंटरफेस के माध्यम से कैमरे के साथ काम करेगा।



हमने deserializers लिया, जो, एक नियम के रूप में, एक MIPI CSI2 इंटरफ़ेस है, और एक मॉड्यूल या प्रोसेसर की तलाश शुरू कर रहा है जो इस इंटरफ़ेस का समर्थन कर सकता है। और हमें छह MIPI CSI2 इंटरफेस के साथ-साथ उच्च प्रदर्शन और समृद्ध बाह्य उपकरणों के साथ एक दिलचस्प समाधान मिला। इसने हमें अंततः 10 गीगाबिट ईथरनेट इंटरफेस का उपयोग करने की अनुमति दी, जो इस डिवाइस के आउटपुट इंटरफ़ेस के रूप में हमारे नेटवर्क के बुनियादी ढांचे के लिए सुविधाजनक है। 6 कैमरों से जीएमएसएल / एफपीडी-लिंक डेटा (या, कुछ मामलों में, 12 कैमरों से) प्राप्त करने के बाद, उन्हें संसाधित करने के बाद, डिवाइस 10-गीगाबिट ईथरनेट के माध्यम से पहले से संसाधित वीडियो स्ट्रीम को कंप्यूटर में स्थानांतरित करता है।



यहां समाधान स्वयं और इसकी मुख्य विशेषताएं हैं। इस तरह की चीज़ विकसित करने के बाद, हमने न केवल 6 या 12 कैमरों के साथ मज़बूती से काम करने का तरीका सीखा, बल्कि कैमरों को फाइन-ट्यून करने का भी मौका मिला। इससे छवि की गुणवत्ता में सुधार संभव हो गया, जिसने धारणा एल्गोरिदम के संचालन को सकारात्मक रूप से प्रभावित किया। हमें फ्रेम को शूट करने में लगने वाले समय की भी स्पष्ट समझ मिली, और इस समय को प्रबंधित करना सीखा। और उच्च-प्रदर्शन सीपीयू, मॉड्यूल की कंप्यूटिंग शक्ति ने हमें सीधे मॉड्यूल पर न्यूनतम देरी के साथ प्रारंभिक वीडियो प्रसंस्करण करने की अनुमति दी।

इस मॉड्यूल के हार्डवेयर कोडेक ने लॉग में बाद के भंडारण के लिए वीडियो डेटा को संपीड़ित करने की अनुमति दी।

हमें न केवल स्थानीयकरण सेंसर और कैमरों के साथ काम करना था। हमें लगभग सभी सेंसरों के लिए हार्डवेयर समाधान विकसित करने थे जो हम उपयोग करते हैं। यह सब उस डेटा की विश्वसनीयता और गुणवत्ता में वृद्धि को हल करने के लिए किया गया था जिस पर डिटेक्शन और धारणा एल्गोरिदम निर्भर करते हैं। और यह उन पर निर्भर करता है कि ऑटोपायलट द्वारा जारी किया गया समाधान कितना इष्टतम होगा।

ठीक है, हमने सीखा कि कार कैसे चलाना है, सेंसर पर काम किया है, उन्हें अच्छी तरह से तैनात किया है, उन्हें हमें उच्च गुणवत्ता वाली तस्वीर देने के लिए सिखाया है। हमारी परियोजना पर एम्बेडेड सिस्टम, हार्डवेयर श्रमिकों के इंजीनियर क्या अन्य काम करते हैं? हम न केवल संवेदक के विकास की निगरानी करते हैं, जो नियमित हो गए हैं, बल्कि सूचना के वैकल्पिक स्रोत भी हैं। हम लगातार FPGAs का उपयोग करने वालों सहित तंत्रिका नेटवर्क और अन्य एल्गोरिदम के वैकल्पिक त्वरक खोज रहे हैं। और एक अनुभवी ऑटोमेकर के साथ बातचीत के बिना परियोजना के विकास की कल्पना करना मुश्किल है।


नया प्लेटफॉर्म हमेशा एम्बेडेड डेवलपर्स, डिज़ाइनर, उच्च-स्तरीय सॉफ़्टवेयर डेवलपर्स के लिए एक चुनौती है।

मानव रहित वाहनों का क्षेत्र वर्तमान में विकास के बहुत सक्रिय चरण में है। एक इंजीनियर के रूप में, मुझे यह देखकर बहुत खुशी हो रही है, लेकिन इसमें भाग लेना बहुत अधिक सुखद है। और दूर नहीं वह समय है जब यह हमारे लिए कार में आने के लिए काफी सामान्य हो जाएगा और, जिस जगह की हमें आवश्यकता है, उसके लिए शीर्ष पर जाकर आराम और सुरक्षा में हमारे व्यवसाय के बारे में जानें। यह सब, आपके ध्यान के लिए धन्यवाद।