Tamil
கேமரா பார்வை vs LiDAR: மூடுபனியில் எது சிறப்பாக செயல்படுகிறது?
01.13 துருக
மூடுபனி என்பது தன்னாட்சி ஓட்டுதல் மற்றும் மேம்பட்ட ஓட்டுநர் உதவி அமைப்புகளுக்கு (ADAS) மிகவும் அச்சுறுத்தும் எதிரிகளில் ஒன்றாகும். இது ஒளியை சிதைக்கிறது, சமிக்ஞைகளை சிதறடிக்கிறது, மேலும் ஓட்டுநர்கள் மற்றும் பாதசாரிகளைப் பாதுகாப்பாக வைத்திருக்கும் முக்கிய திறன்களான சுற்றுச்சூழல் உணர்தலின் நம்பகத்தன்மையை அரித்துவிடுகிறது. கேமரா பார்வை மற்றும் LiDAR (Light Detection and Ranging) இடையேயான விவாதம் பல ஆண்டுகளாக நடந்து வருகிறது, ஆனால் மூடுபனி நிலைமைகள் சந்தைப்படுத்தல் மிகைப்படுத்தல்களை நீக்கி, அடிப்படை செயல்திறனில் கவனம் செலுத்த கட்டாயப்படுத்துகின்றன: பார்வைத் திறன் குறையும் போது எந்த தொழில்நுட்பம் உண்மையில் செயல்படுகிறது?
இந்த கட்டுரை சாதாரண "உபகரணம் மற்றும் மென்பொருள்" வேறுபாட்டை மீறுகிறது. அதற்குப் பதிலாக, நாம் இரண்டு தனித்துவமான "பாதுகாப்பு தத்துவங்களை" சுற்றி ஒப்பீட்டை வடிவமைக்கிறோம்: கேமரா காட்சியின்உடல் வரம்புகளை மீறுவதற்கான ஆல்கொரிதமிக் புத்திசாலித்தனத்தில் நம்பிக்கை, மற்றும் LiDAR இன் உபகரண மீள்தொகுப்பைப் பயன்படுத்தி நம்பகத்தன்மையின் அடிப்படையை நிறுவுவது. 2025 இன் சமீபத்திய உண்மையான உலக சோதனை தரவுகள், தொழில்நுட்ப முன்னேற்றங்கள், மற்றும் தொழில்துறை வழக்குகள் அடிப்படையில், நாங்கள் முக்கியமான கேள்விக்கு பதிலளிக்கிறோம்: மங்கலில் எது சிறந்தது?
முக்கியப் பிளவு: மூடுபனியில் இரண்டு பாதுகாப்புத் தத்துவங்கள்
ஒவ்வொரு தொழில்நுட்பத்தின் பலங்களையும் பலவீனங்களையும் மூடுபனி ஏன் வெளிப்படுத்துகிறது என்பதைப் புரிந்துகொள்ள, முதலில் அவற்றின் அடிப்படை இயக்கக் கொள்கைகளையும் - அவற்றின் பயன்பாட்டைத் தூண்டும் பாதுகாப்பு மனப்பான்மைகளையும் - நாம் புரிந்து கொள்ள வேண்டும்.
கேமரா பார்வை அமைப்புகள் "மூளை சக்தி கொண்ட கண்களைப்" போல செயல்படுகின்றன. மனிதர்களின் பார்வை உணர்வைப் பிரதிபலிக்க, அவை உயர்-வரையறை கேமராக்கள் (மேம்பட்ட அமைப்புகளில் பொதுவாக 8-10) சக்திவாய்ந்த AI சிப்கள் மற்றும் மிகப்பெரிய தரவுத்தொகுப்புகளுடன் இணைந்து செயல்படுகின்றன. இங்குள்ள தத்துவம் எளிமை: குறைந்த வன்பொருளை ஈடுசெய்ய மென்பொருளைப் பயன்படுத்துதல், 2D காட்சித் தரவை 3D சுற்றுச்சூழல் புரிதலாக மாற்ற இயந்திர கற்றலைப் பயன்படுத்துதல். டெஸ்லா மற்றும் Xpeng ஆகியவை இந்த அணுகுமுறையின் மிக முக்கியமான ஆதரவாளர்கள், இது தெளிவான சூழ்நிலைகளில் சிறந்து விளங்குகிறது, அங்கு ஏராளமான காட்சி குறிப்புகள் அல்காரிதம்கள் செழிக்க அனுமதிக்கின்றன.
LiDAR, இதற்கு மாறாக, ஒரு "வன்பொருள்-முதல் பாதுகாவலர்". இது சுற்றியுள்ள சூழலின் உயர்-துல்லிய 3D புள்ளி மேகத்தை உருவாக்க வினாடிக்கு மில்லியன் கணக்கான லேசர் துடிப்புகளை வெளியிடுகிறது, தூரங்கள், வடிவங்கள் மற்றும் வேகங்களை விதிவிலக்கான துல்லியத்துடன் அளவிடுகிறது. இங்குள்ள தத்துவம் மிகைப்படுத்தல்: சுற்றுச்சூழல் நிலைமைகள் காட்சி விவரங்களை மறைக்கும் போதும், பாதுகாப்பு தளத்தை நிறுவ உடல் உணர்திறன் திறன்களைப் பயன்படுத்துதல். Huawei, BYD மற்றும் பெரும்பாலான ஆடம்பர ADAS வழங்குநர்கள் இந்த "LiDAR + கேமரா + மில்லிமீட்டர்-அலை ரேடார்" முக்கூட்டை ஏற்றுக்கொள்கிறார்கள், செலவு சேமிப்பை விட நிலையான செயல்திறனுக்கு முன்னுரிமை அளிக்கிறார்கள்.
மூடுபனி இரண்டு அமைப்புகளையும் சீர்குலைக்கிறது - ஆனால் அடிப்படையில் வெவ்வேறு வழிகளில். கேமராக்களுக்கு, மூடுபனி ஒளியை சிதறடிக்கிறது, விளிம்புகளை மங்கலாக்குகிறது மற்றும் மாறுபாட்டை கழுவுகிறது, தடைகளை அடையாளம் காண தேவையான காட்சி அம்சங்களிலிருந்து அல்காரிதம்களை பறிக்கிறது. LiDAR க்கு, மூடுபனி துகள்கள் லேசர் துடிப்புகளை சிதறடிக்கின்றன, "புள்ளி மேக இரைச்சல்" ஐ உருவாக்குகின்றன, இது உண்மையான இலக்குகளை மறைக்கலாம் அல்லது தவறான நேர்மறைகளை உருவாக்கலாம். கேள்வி எது "பாதிக்கப்படவில்லை" என்பது அல்ல - எது வேகமாக மீண்டு வர முடியும், முக்கியமான செயல்திறன் அளவீடுகளைப் பராமரிக்க முடியும், மற்றும் மோசமான பார்வையில் ஓட்டுநர்களைப் பாதுகாப்பாக வைத்திருக்க முடியும் என்பதே கேள்வி.
நிஜ உலகத் தரவுகள்: மூடுபனியில் அவை எவ்வாறு செயல்படுகின்றன (2025 சமீபத்திய சோதனைகள்)
2025 "அறிவியல் ஓட்டம் எக்ஸ்ட்ரீம் சினாரியோ சோதனை வெள்ளை ஆவணம்" என்ற மிகுந்த ஆதாரம் சீனா வாகன பொறியியல் ஆராய்ச்சி நிறுவனம் (CAERI) மற்றும் டொங்க்செடி ஆகியோரால் இணைந்து வெளியிடப்பட்டது. இந்த மைல்கல் ஆய்வு 15 கிமீ உண்மையான சாலையில் மங்கலான பாதைகளில் 36 முக்கிய மாதிரிகளை மற்றும் 216 உருவாக்கப்பட்ட மோதல் சினாரியோக்களை சோதித்தது, கடுமையான தரவுகளுடன் செயல்திறன் இடைவெளிகளை அளவீடு செய்தது. மங்கலின் தீவிரத்தின்படி முக்கிய கண்டுபிடிப்புகளை நாங்கள் உடைக்கலாம்.
1. மிதமான மங்கல் (காணக்கூடியது: 200-500மீ)
மிதமான மங்கலில்—காலை நேரங்களில் அல்லது கடற்கரையோர பகுதிகளில் பொதுவாக—இரு தொழில்நுட்பங்களும் போதுமான அளவில் செயல்படுகின்றன, ஆனால் சிறிய இடைவெளிகள் தோன்றுகின்றன. மேம்பட்ட டிஹேசிங் அல்காரிதங்களால் ஆதரிக்கப்படும் கேமரா பார்வை அமைப்புகள் அடிப்படையான தடையை அடையாளம் காண்பதில் தங்களின் நிலையை நிலைநாட்டுகின்றன. டெஸ்லாவின் FSD V12.5, எடுத்துக்காட்டாக, மிதமான மங்கலில் 90% தடையை அடையாளம் காணும் துல்லியத்தை அடைந்தது, இதற்காக அதன் மழை மற்றும் மங்கல் நீக்க அல்காரிதங்கள் பில்லியன் கிலோமீட்டர் உண்மையான தரவுகளில் பயிற்சியளிக்கப்பட்டன.
இதற்கிடையில், LiDAR அமைப்புகள் குறைந்தபட்ச இரைச்சலுடன் கிட்டத்தட்ட சரியான துல்லியத்தை (98%+) பராமரித்தன. புதிதாக அறிமுகப்படுத்தப்பட்ட நீண்ட தூர மாடலான Hesai ATX Lidar, பிக்சல் மட்டத்தில் மூடுபனி தொடர்பான 99% இரைச்சலை வடிகட்டி, சுற்றியுள்ள வாகனங்கள் மற்றும் பாதசாரிகளின் தெளிவான பாயிண்ட் கிளவுட்களைப் பாதுகாக்கும் திறனை வெளிப்படுத்தியது. இங்குள்ள இடைவெளி சிறியது, ஆனால் LiDAR-ன் நன்மை நிலைத்தன்மையில் உள்ளது: கேமரா அமைப்புகள் மூடுபனியின் அடர்த்தி திடீரென மாறினால் சிரமப்படலாம், ஆனால் LiDAR-ன் இயற்பியல் உணர்திறன் நிலையானதாக இருக்கும்.
2. மிதமான மங்கல் (கண்காணிப்பு: 100-200மீ)
200 மீட்டருக்கும் குறைவான பார்வைத் திறன் இருக்கும்போது, கேமரா பார்வையின் அல்காரிதமிக் வரம்புகள் தெளிவாகத் தெரிகின்றன. CAERI சோதனை, LiDAR பொருத்தப்பட்ட வாகனங்களுடன் ஒப்பிடும்போது, தூய கேமரா மாதிரிகள் தடைகளைத் தவறவிடும் விகிதத்தில் 3 மடங்கு அதிகரிப்பைக் கண்டறிந்தது. Xpeng G6 இன் பாதசாரி அங்கீகார தூரம், தெளிவான வானிலையில் 150 மீட்டரிலிருந்து மிதமான மூடுபனியில் வெறும் 65 மீட்டராகக் குறைந்தது, அதே நேரத்தில் Tesla Model Y இன் தூரம் 78 மீட்டராகக் குறைந்தது. இது ஒரு முக்கியமான குறைபாடு: நெடுஞ்சாலை வேகத்தில் (100 கிமீ/மணி), 65 மீட்டர் கண்டறிதல் தூரம் அமைப்புக்கு எதிர்வினையாற்ற வெறும் 2.3 வினாடிகள் மட்டுமே அளிக்கிறது - அவசரகால பிரேக்கிங்கிற்கு இது போதுமானதாக இல்லை.
மாறாக, LiDAR அமைப்புகள் 80 மீட்டருக்கும் அதிகமான பயனுள்ள கண்டறிதல் தூரத்தைப் பராமரித்தன. 192-வரி LiDAR உடன் பொருத்தப்பட்ட Huawei's ADS 3.0, மிதமான மூடுபனியில் சராசரியாக 126 மீட்டர் பாதசாரி அங்கீகார தூரத்தை அடைந்தது, இது 4.5 வினாடி எதிர்வினை நேரத்தை வழங்குகிறது. இந்த வேறுபாடு, கேமராக்கள் பயன்படுத்தும் புலப்படும் ஒளியை விட குறைவாக சிதறும் நீண்ட அலைநீளங்களை (1550nm) பயன்படுத்தி மூடுபனியை ஊடுருவும் LiDAR இன் திறனில் இருந்து எழுகிறது. சிதறினாலும் கூட, லேசர் துடிப்புகள் சென்சாருக்குத் திரும்பி தூரங்களை துல்லியமாகக் கணக்கிட போதுமான ஆற்றலைத் தக்கவைக்கின்றன.
3. அடர்த்தியான மங்கல்/அட்வெக்ஷன் மங்கல் (கண்காணிப்பு: <100மீ)
அதிக அடர்த்தியான மங்கலின் போது—கண்காணிப்பு 100 மீட்டருக்கு கீழே, அல்லது மிகக் கடுமையான சந்தர்ப்பங்களில் 50 மீட்டருக்கு கூட குறைவாக இருக்கும் போது—பிரிவு ஒரு ஆழமாக மாறுகிறது. இது தன்னாட்சி முறைமைகளுக்கான "செய்ய அல்லது உடைக்க" நிலைமையாகும், மற்றும் CAERI தரவுகள் தெளிவாக உள்ளன: தூய கேமரா காட்சி முறைமைகள் 15% கையால் கைப்பற்றும் வீதத்தை அனுபவித்தன, அடிக்கடி "அறிவிப்பு தோல்வி" எச்சரிக்கைகள் வந்தன. மங்கல் பாதை குறியீடுகளை, போக்குவரத்து விளக்குகளை, மற்றும் கூட பெரிய தடைகளை மறைக்கும் சந்தர்ப்பங்களில், ஆல்கொரிதங்கள் பாதுகாப்பான முடிவுகளை எடுக்க தேவையான காட்சி தகவல்களை எளிதாகக் காணவில்லை.
இருப்பினும், LiDAR பொருத்தப்பட்ட வாகனங்கள் 3% மட்டுமே கட்டுப்பாட்டை எடுத்துக்கொள்ளும் விகிதத்தைப் பராமரித்தன. Huawei-ன் ADS 3.0 ஆனது, நிலையான வாகனங்களை துல்லியமாக அடையாளம் காணும் திறனையும், 30மீ பார்வையில் தப்பிக்கும் சூழ்ச்சிகளை நிறைவு செய்யும் திறனையும் வெளிப்படுத்தியது - இந்த சூழ்நிலைகளில் மனித ஓட்டுநர்கள் தங்கள் முகப்பு விளக்குகளுக்கு அப்பால் பார்க்க சிரமப்படுவார்கள். இந்த செயல்திறனுக்கு முக்கியமானது LSLidar உருவாக்கியது போன்ற மேம்பட்ட மூடுபனி வடிகட்டுதல் அல்காரிதம்கள் ஆகும். இந்த அல்காரிதம்கள் மூடுபனியால் சிதறிய லேசர் துடிப்புகளின் பண்புகளை பகுப்பாய்வு செய்து, முக்கியமான தடைகளின் தகவல்களைப் பாதுகாக்க, சத்தத்தை சரியான புள்ளி மேகத் தரவுகளிலிருந்து பிரிக்கின்றன. இதன் விளைவாக, மூடுபனி வழியாக "பார்க்கும்" ஒரு அமைப்பு மட்டுமல்ல, கேமரா பார்வை முற்றிலும் தோல்வியடையும் போது சூழ்நிலை விழிப்புணர்வையும் பராமரிக்கிறது.
தொழில்நுட்ப முன்னேற்றங்கள்: இடைவெளியைக் குறைக்கிறதா?
மூடுபனி நிலைகளில் LiDAR முன்னிலை வகித்தாலும், இரண்டு தொழில்நுட்பங்களும் வேகமாக உருவாகி வருகின்றன. அவற்றின் மூடுபனி செயல்திறனை மறுவடிவமைக்கும் சமீபத்திய கண்டுபிடிப்புகளை ஆராய்வோம்.
கேமரா பார்வை: அல்கொரிதமிக் முன்னேற்றங்கள்
கேமரா பார்வையின் மங்கலான செயல்திறனில் மிகப்பெரிய முன்னேற்றங்கள் AI-அடிப்படையிலான மங்கல்கருத்து அல்கொரிதம்கள் மற்றும் பெரிய, பல்வேறு தரவுத்தொகுப்புகளிலிருந்து வருகின்றன. டெஸ்லாவின் FSD V12.5, எடுத்துக்காட்டாக, "மீண்டும்-இயந்திரம்" மங்கலின் விளைவுகளை மீட்டெடுக்க கண்காணிக்கப்பட்ட மற்றும் கண்காணிக்கப்படாத கற்றலின் கலவையைப் பயன்படுத்துகிறது, மங்கலான படங்களுக்கு தெளிவை மீட்டெடுக்கிறது. இரவு மற்றும் மோசமான வானிலை தரவின் 10 பில்லியன் கிலோமீட்டர்களில் பயிற்சி அளிப்பதன் மூலம், இந்த அமைப்பு குறைந்த-காணும் நிலைகளில் 40% வேகத்தில் இயக்கக் காட்சிகளைப் பின்தொடர்வதில் மேம்படுத்தப்பட்டுள்ளது.
ஆனால், இந்த முன்னேற்றங்களுக்கு எல்லைகள் உள்ளன. அவை செயல்பட சில பார்வை அம்சங்களின் இருப்பை நம்புகின்றன - அடர்த்தியான மங்கலில் காணாமல் போகும் ஒன்றே. சிறந்த மங்கல்கருத்து அல்கொரிதம் இல்லாத தகவல்களை உருவாக்க முடியாது, இது கேமரா பார்வையின் உடல் எல்லைகளை மீறுவது கடினமாக்குகிறது.
LiDAR: கருவி மற்றும் அல்கொரிதம் ஒத்துழைப்பு
LiDAR-ன் பரிணாம வளர்ச்சி, ஊடுருவலை மேம்படுத்துதல், இரைச்சலைக் குறைத்தல் மற்றும் செலவுகளைக் குறைத்தல் ஆகியவற்றில் கவனம் செலுத்துகிறது. மிகவும் உற்சாகமான முன்னேற்றங்களில் ஒன்று சிங்கிள்-போட்டான் LiDAR ஆகும், இது இங்கிலாந்து மற்றும் அமெரிக்க ஆராய்ச்சியாளர்களின் கூட்டு முயற்சியால் உருவாக்கப்பட்ட அடுத்த தலைமுறை தொழில்நுட்பமாகும். இந்த அமைப்பு, மூடுபனி வழியாகவும் - 1 கிலோமீட்டர் தூரம் வரையிலும் கூட - உயர்-தெளிவுத்திறன் கொண்ட 3D படங்களைப் பிடிக்க, அதி-உணர்திறன் கொண்ட சூப்பர் கண்டக்டிங் நானோவைர் சிங்கிள்-போட்டான் டிடெக்டர்கள் (SNSPDs) மற்றும் 1550nm அலைநீள லேசர்களைப் பயன்படுத்துகிறது. தனிப்பட்ட ஃபோட்டான்களைக் கண்டறிந்து, அவற்றின் பயண நேரத்தை பிக்கோசெகண்ட் துல்லியத்துடன் (ஒரு வினாடியில் ஒரு டிரில்லியன் பங்கு) அளவிடுவதன் மூலம், இந்த அமைப்பு மூடுபனி துகள்களுக்கும் உண்மையான பொருட்களுக்கும் இடையில் முன்னெப்போதும் இல்லாத துல்லியத்துடன் வேறுபடுத்தி அறிய முடியும்.
வணிக ரீதியான LiDAR அமைப்புகளும் வேகமாக முன்னேறி வருகின்றன. LSLidar-ன் உள்நாட்டில் உருவாக்கப்பட்ட தூசி/மழை/மூடுபனி வடிகட்டும் அல்காரிதம், அதன் அனைத்து மாடல்களுக்கும் (1550nm ஃபைபர் மற்றும் 905nm ஹைப்ரிட் சாலிட்-ஸ்டேட் LiDAR உட்பட) இணக்கமானது, இலக்கு கண்டறிதலைப் பராமரிக்கும் அதே வேளையில் பாயிண்ட் கிளவுட் இரைச்சலைக் கணிசமாகக் குறைக்கிறது. Hesai-ன் ATX Lidar, 140° அல்ட்ரா-வைட் ஃபீல்ட் ஆஃப் வியூ மற்றும் 300மீ கண்டறிதல் வரம்புடன், மூடுபனி, புகை மற்றும் நீர் துளிகளை நிகழ்நேரத்தில் கண்டறிந்து குறிக்க முடியும், இது அமைப்புக்கு சுத்தமான பாயிண்ட் கிளவுட் தரவை உறுதி செய்கிறது. இந்த கண்டுபிடிப்புகள் மூடுபனியில் LiDAR-ஐ மேலும் வலுவாக ஆக்குகின்றன, அதே நேரத்தில் செலவுகளைக் குறைக்கின்றன - இது ஒரு காலத்தில் தத்தெடுப்புக்கு ஒரு பெரிய தடையாக இருந்தது - 2025 ஆம் ஆண்டில் விலைகள் $300-$450 வரம்பிற்கு குறையும்.
வாழ்க்கைத் தேர்வு: எப்போது எந்த தொழில்நுட்பத்தை முன்னுரிமை அளிக்க வேண்டும்?
"எது மங்கலுக்கு சிறந்தது" என்பதற்கான பதில் உங்கள் பயன்பாட்டிற்கும் ஆபத்து பொறுமைக்கும் அடிப்படையாக இருக்கிறது. முடிவெடுக்க ஒரு கட்டமைப்பு இதோ:
பயனர் வாகனங்கள் (ADAS)
நீங்கள் அடிக்கடி மங்கலுள்ள பகுதியில் வாழ்ந்தால் (எடுத்துக்காட்டாக, கடற்கரை பகுதிகள், பள்ளத்தாக்குகள், அல்லது வெப்பநிலை மாற்றங்கள் உள்ள குளிர்ந்த காலநிலைகள்), LiDAR என்பது பாதுகாப்பான தேர்வாகும். CAERI தரவுகள் அடுக்கான மங்கலின் போது நிலை உணர்வை பராமரிக்க அதன் திறனை நிரூபிக்கிறது, இது ஒரு முக்கிய பாதுகாப்பு தடையாக செயல்படுகிறது. கேமரா கண்ணோட்டம் மேம்படும் போதிலும், LiDAR இன் உபகரண மீள்படியானது "பாதுகாப்பு நெட்வொர்க்" ஆக செயல்படுகிறது, இது அல்காரிதங்களை மீண்டும் உருவாக்க முடியாது.
குறைந்த மங்கலுடன் உள்ள பகுதிகளுக்கு, தூய கேமரா பார்வை போதுமானதாக இருக்கலாம்—முக்கியமாக செலவினம் முதன்மை கவலையாக இருந்தால். டெஸ்லா மாடல் Y மற்றும் எக்ஸ்பெங் G6 போன்ற மாதிரிகள் தெளிவான மற்றும் மிதமான மங்கலான நிலைகளில் வலுவான ADAS செயல்திறனை வழங்குகின்றன, தொடர்ந்து OTA புதுப்பிப்புகள் அவற்றின் அல்காரிதங்களை காலக்கெடுவில் மேம்படுத்துகின்றன.
வணிக சுயாதீனம் (ரோபோடாக்ஸிகள், லாரிகள்)
பாதுகாப்பு மற்றும் நம்பகத்தன்மை சமரசம் செய்ய முடியாத (மற்றும் ஒழுங்குமுறை இணக்கம் கட்டாயமான) வணிகப் பயன்பாடுகளில், LiDAR விரும்பத்தக்கது மட்டுமல்ல - அது அவசியமானது. கணிக்க முடியாத மூடுபனி நிகழ்வுகளுடன் நகர்ப்புறங்களில் இயங்கும் ரோபோடாக்சிகள், அல்லது மூடுபனி நிறைந்த நெடுஞ்சாலைகளில் பயணிக்கும் நீண்ட தூர டிரக்குகள், தூய கேமரா அமைப்புகளின் 15% டேக்ஓவர் விகிதத்தை தாங்க முடியாது. அடர்ந்த மூடுபனியில் LiDAR-ன் 3% டேக்ஓவர் விகிதம், செயல்பாட்டு சாத்தியக்கூறு மற்றும் பாதுகாப்பு அபாயங்களுக்கு இடையிலான வித்தியாசமாகும்.
எதிர்காலம்: ஒருங்கிணைப்பு, போட்டி அல்ல
தொழில்நுட்பங்களில் ஒன்றை மற்றொன்றை விட தேர்ந்தெடுப்பது அல்ல, அவற்றை ஒருங்கிணைப்பதே மிகவும் முன்னோக்கு சிந்தனையுடன் கூடிய அணுகுமுறையாகும். நவீன ADAS அமைப்புகள் (Huawei ADS 3.0 போன்ற) கேமரா பார்வையின் உயர்-தெளிவுத்திறன் கொண்ட காட்சித் தரவுகளை நிறைவு செய்ய LiDAR-ன் நம்பகமான 3D புள்ளி மேகங்களைப் பயன்படுத்துகின்றன. மூடுபனியில், LiDAR முக்கிய தடைகளை கண்டறிய உதவுகிறது, அதே நேரத்தில் கேமராக்கள் போக்குவரத்து விளக்குகளின் நிறங்கள் அல்லது பாதசாரிகளின் சைகைகள் (தெரியும் போது) போன்ற விவரங்களை அடையாளம் காண உதவுகின்றன. இந்த "சென்சார் இணைவு" இரண்டு தொழில்நுட்பங்களின் பலங்களையும் பயன்படுத்துகிறது, ஒவ்வொன்றையும் விட வலுவான ஒரு அமைப்பை உருவாக்குகிறது.
தீர்வு: LiDAR மங்கலில் முன்னணி, ஆனால் கேமரா பார்வை வெளியே இல்லை
மங்கலான நிலைகளில், தரவுகள் தெளிவாக உள்ளன: LiDAR அனைத்து மங்கல் தீவிர நிலைகளிலும் கேமரா பார்வையை மிஞ்சுகிறது, குறிப்பாக அடர்த்தியான மங்கலில் மிகவும் பரந்த இடைவெளியுடன். லேசர் புல்ஸ்களால் மங்கலை ஊடுருவி, முன்னணி அல்காரிதங்களைப் பயன்படுத்தி சத்தத்தை வடிகட்டி, அதன் ஹார்ட்வேரை அடிப்படையாகக் கொண்டு உருவாக்கப்பட்ட பார்வை முறை, கேமரா பார்வையின் மென்பொருள் மைய முறை மோத முடியாத பாதுகாப்பு அடிப்படையை நிறுவுகிறது, குறைந்தது இப்போது.
அதற்கான காரணம், கேமரா பார்வை விரைவாக வளர்ந்து வருகிறது. AI டிஹேசிங் அல்காரிதங்கள் மற்றும் பெரிய தரவுத்தொகுப்புகள், மிதமான மங்கலுக்கு அதன் செயல்திறனை மேம்படுத்துகின்றன, இது குறைந்த அளவிலான தீவிர மங்கல் நிகழ்வுகளுடன் உள்ள பகுதிகளுக்கு ஒரு செயல்திறனான தேர்வாக மாறுகிறது. இருப்பினும், பெரும்பாலான ஓட்டுநர்கள் மற்றும் வர்த்தக இயக்குநர்களுக்கு, LiDAR இன் "மங்கலின் ஊடாக காண" மற்றும் கையேடு கைமாற்றங்களை குறைப்பதற்கான திறன், கவனிக்க கடினமான ஒரு பாதுகாப்பு நன்மை ஆகும்.
இறுதியில், மூடுபனியில் தன்னாட்சி உணர்தலின் எதிர்காலம் சென்சார் இணைப்பில் உள்ளது. கேமரா பார்வையின் விவரங்களுடன் LiDAR-ன் நம்பகத்தன்மையை இணைப்பதன் மூலம், கடுமையான வானிலை நிலைகளுக்கும் பாதுகாப்பான, திறமையான மற்றும் மாற்றியமைக்கக்கூடிய அமைப்புகளை நாம் உருவாக்க முடியும். இப்போதைக்கு, மூடுபனி பாதுகாப்பு உங்கள் முதன்மையான முன்னுரிமையாக இருந்தால், LiDAR தெளிவாக வெற்றி பெறுகிறது - ஆனால் அல்காரிதம்கள் தொடர்ந்து முன்னேறுவதால் கேமரா பார்வையை புறக்கணிக்காதீர்கள்.
தொடர்பு
உங்கள் தகவலை விட்டு நாங்கள் உங்களை தொடர்பு கொள்ளுவோம்.
WhatsApp
WeChat