تکامل سریع رانندگی خودران نیاز به سیستمهای بینایی پیشرفتهای دارد که قادر به مدیریت شرایط نوری شدید باشند. دامنه دینامیکی بالا (HDR)
دوربینفناوری به عنوان یک عامل حیاتی برای ناوبری ایمن ظهور کرده است، به ویژه در سناریوهایی مانند تابش خیرهکننده نور خورشید و انتقال ناگهانی بین تونلها و نور روز. این مقاله بررسی میکند که چگونه نوآوریهای HDR در حال تحول سیستمهای ادراک خودرویی هستند، چالشهای فنی را مورد بررسی قرار میدهند و آینده وسایل نقلیه خودران را شکل میدهند.
چرا HDR در وسایل نقلیه خودران مهم است
دوربینهای سنتی در تعادل بین روشنایی و تاریکی در سناریوهایی که دامنه دینامیکی (DR) آنها بیش از 100dB است، با مشکل مواجه میشوند. برای سیستمهای خودران، این محدودیت خطر شکستهای بحرانی را به همراه دارد:
• انتقالات تونل: تغییرات ناگهانی از تاریکی به درخشش میتواند دوربینها را برای میلیثانیهها کور کند و باعث تأخیر در شناسایی اشیاء شود.
• چشمک LED: سیگنالهای ترافیکی و چراغهای جلو خودرو با کاهنده PWM اثرات استروبینگ ایجاد میکنند که الگوریتمهای هوش مصنوعی را گمراه میکند.
• دید در شب: شرایط نور کم نیاز به حساسیت بیشتری دارد تا عابران پیاده یا موانع را بدون نوردهی بیش از حد نقاط روشن شناسایی کند.
دوربینهای HDR خودران باید >140dB DR را برای ضبط جزئیات در تضادهای شدید به دست آورند در حالی که عملکرد زمان واقعی را حفظ میکنند.
تکنولوژیهای HDR پیشرفته برای وسایل نقلیه خودران
1. تقسیم پیکسل و بهره تبدیل دوگانه (DCG)
معماری Subpixel-HDR سونی پیکسلها را به زیرپیکسلهای بزرگ (حساسیت پایین) و کوچک (حساسیت بالا) تقسیم میکند و ۴ سطح نوردهی را به طور همزمان ثبت میکند. این رویکرد تاری حرکت را از دوخت چند فریمی حذف میکند اما با چالشهایی مانند تداخل و ۲۵٪ از دست دادن نور مواجه است.
بهبودها:
• LOFIC (خازن یکپارچهسازی Overflow جانبی): با یکپارچهسازی خازنها برای ذخیره بارهای اضافی، حسگرهای LOFIC به DR 15EV در exposures تک دست مییابند. ترکیب شده با DCG، آنها سوئیچینگ گین تطبیقی را امکانپذیر میسازند و آثار حرکتی را کاهش میدهند.
• مطالعه موردی: سیستم XNGP شیائوپنگ از دوربینهای مجهز به LOFIC برای افزایش فاصله شناسایی تونل به میزان 30 متر استفاده میکند.
2. حسگرهای چندگانه منطقهای
سنسورهای صنعتی کانن فریمها را به 736 ناحیه با نوردهی مستقل تقسیم میکنند و ویدیو را با سرعت 60 فریم در ثانیه ضبط میکنند در حالی که سایهها و هایلایتها را متعادل میکنند. در ابتدا برای امنیت طراحی شده بود، این "HDR در سطح پیکسل" میتواند تشخیص لبههای خودرویی را بهبود بخشد.
3. پردازش سیگنال تصویر مبتنی بر هوش مصنوعی (ISP)
الگوریتمهای یادگیری عمیق اکنون خروجیهای HDR را با:
• جبران حرکت: همراستا کردن فریمها از ضبطهای چندگانه.
• کاهش لرزش LED (LFM): همگامسازی خوانش حسگر با چرخههای PWM LED.
• کاهش نویز: اولویت دادن به مناطق حیاتی (مانند نشانههای جاده) در حالی که نویزهای نامربوط را سرکوب میکند.
چالشهای فنی و راهحلها
چالش | تأثیر | راهحلها |
آرتیفکتهای حرکتی | گستردگی در صحنههای پویا | اسپلیت پیکسل ادغام + بردارهای حرکت هوش مصنوعی |
فلیکر LED | علائم ترافیکی را اشتباه برداشت کنید | شاتر جهانی + LFM |
تحریف رنگ | شناسایی نادرست اشیاء | کالیبراسیون طیفی + همراستایی دو پیکسل |
نویز حرارتی | عملکرد ضعیف در نور کم | سنسورهای با نور پسزمینه + ISP آگاه به نویز |
حسگرهای مجهز به LFM شرکت ON Semiconductor در سناریوهای ورودی تونل، آثار سوسو زدن را تا 90% کاهش میدهند.
روندهای آینده در تصویربرداری HDR خودکار
- ترکیب چند حسگری: ترکیب دوربینهای HDR با LiDAR و رادار برای افزونگی.
- 3D-Stacked LOFIC: چیدمان خازنها به صورت عمودی برای افزایش چگالی پیکسل بدون قربانی کردن DR.
- Edge AI Processing: بهینهسازی ISP در دستگاه برای کاهش تأخیر (<20ms).
- بهرهوری هزینه: کاهش هزینههای حسگر LOFIC از طریق تولید ویفر 300 میلیمتری.
نتیجه گیری
تکنولوژی HDR تنها یک بهبود تدریجی نیست بلکه یک پایه اساسی برای ایمنی رانندگی خودران است. نوآوریهایی مانند LOFIC و ISP تقویتشده با هوش مصنوعی در حال پیشبرد مرزهای آنچه دوربینها میتوانند در نورپردازی شدید به دست آورند، هستند. با حرکت صنعت به سمت خودرانهای سطح ۴/۵، سیستمهای HDR همچنان در مرکز غلبه بر "موانع نامرئی" ناشی از نور خورشید، تونلها و درخشش شهری باقی خواهند ماند.