اردو
کیمرہ ویژن بمقابلہ لیدار: دھند میں کون سا بہتر کام کرتا ہے؟
سائنچ کی 01.13
دھند خود مختار ڈرائیونگ اور ایڈوانسڈ ڈرائیور اسسٹنس سسٹمز (ADAS) کے سب سے بڑے دشمنوں میں سے ایک ہے۔ یہ روشنی کو مسخ کرتی ہے، سگنلز کو بکھیرتی ہے، اور ماحولیاتی ادراک کی اعتبار کو ختم کرتی ہے—یہ بنیادی صلاحیتیں جو ڈرائیوروں اور پیدل چلنے والوں کو محفوظ رکھتی ہیں۔ کیمرہ ویژن اور LiDAR (لائٹ ڈیٹیکشن اینڈ رینجنگ) کے درمیان بحث برسوں سے جاری ہے، لیکن دھند کی صورتحال مارکیٹنگ کے شور کو ختم کر دیتی ہے اور بنیادی کارکردگی پر توجہ مرکوز کرنے پر مجبور کرتی ہے: جب نظر کم ہو جاتی ہے تو کون سی ٹیکنالوجی واقعی کام دکھاتی ہے؟
یہ مضمون روایتی "ہارڈ ویئر بمقابلہ سافٹ ویئر" کے تضاد سے آگے بڑھتا ہے۔ اس کے بجائے، ہم دو مختلف "سیفٹی فلاسفیز" کے ارد گرد موازنہ کرتے ہیں:کیمرہ ویژن کامادی حدود پر قابو پانے کے لیے الگورتھمک ذہانت پر انحصار، اور LiDAR کا استحکام کی بنیاد قائم کرنے کے لیے ہارڈ ویئر کی اضافی صلاحیت کا استعمال۔ 2025 کے تازہ ترین حقیقی دنیا کے ٹیسٹ ڈیٹا، تکنیکی پیش رفت، اور صنعتی کیس اسٹڈیز کا استعمال کرتے ہوئے، ہم اہم سوال کا جواب دیں گے: دھند میں کون سا بہتر کام کرتا ہے؟
بنیادی تقسیم: دھند میں دو حفاظتی فلسفے
یہ سمجھنے کے لیے کہ دھند ہر ٹیکنالوجی کی مضبوطی اور کمزوریوں کو کیوں بے نقاب کرتی ہے، ہمیں پہلے ان کے بنیادی آپریٹنگ اصولوں کو سمجھنا ہوگا — اور ان حفاظتی ذہنیتوں کو جو ان کے اپنانے کو فروغ دیتی ہیں۔
کیمرہ ویژن سسٹم "دماغ سے چلنے والی آنکھوں" کی طرح کام کرتے ہیں۔ یہ انسانی بصری ادراک کی نقل کرنے کے لیے ہائی ڈیفینیشن کیمروں (عام طور پر جدید سیٹ اپ میں 8-10) کو طاقتور AI چپس اور وسیع ڈیٹا سیٹس کے ساتھ جوڑتے ہیں۔ یہاں فلسفہ کم سے کم ہے: محدود ہارڈ ویئر کی تلافی کے لیے سافٹ ویئر کا استعمال کرنا، 2D بصری ڈیٹا کو 3D ماحولیاتی تفہیم میں ترجمہ کرنے کے لیے مشین لرننگ کا فائدہ اٹھانا۔ ٹیسلا اور ژینگپینگ اس نقطہ نظر کے سب سے نمایاں حامی ہیں، جو واضح حالات میں چمکتا ہے جہاں وافر بصری اشارے الگورتھم کو فروغ دینے کی اجازت دیتے ہیں۔
LiDAR، اس کے برعکس، ایک "ہارڈ ویئر فرسٹ گارڈین" ہے۔ یہ ارد گرد کے ماحول کا ایک اعلیٰ درستگی والا 3D پوائنٹ کلاؤڈ بنانے کے لیے فی سیکنڈ لاکھوں لیزر پلس خارج کرتا ہے، جو فاصلوں، اشکال اور رفتار کو غیر معمولی درستگی کے ساتھ ناپتا ہے۔ یہاں فلسفہ اضافی ہے: یہاں تک کہ جب ماحولیاتی حالات بصری تفصیلات کو چھپا دیتے ہیں تو بھی حفاظتی فرش قائم کرنے کے لیے جسمانی سینسنگ کی صلاحیتوں کا استعمال کریں۔ ہواوے، BYD، اور زیادہ تر لگژری ADAS فراہم کنندگان اس "LiDAR + کیمرہ + ملی میٹر ویو ریڈار" تثلیث کو اپناتے ہیں، جو لاگت کی بچت پر مسلسل کارکردگی کو ترجیح دیتے ہیں۔
دھند دونوں نظاموں کو متاثر کرتی ہے—لیکن بنیادی طور پر مختلف طریقوں سے۔ کیمروں کے لیے، دھند روشنی کو منتشر کرتی ہے، کناروں کو دھندلا کرتی ہے، اور کنٹراسٹ کو ختم کرتی ہے، جس سے الگورتھم کو ان بصری خصوصیات سے محروم کر دیا جاتا ہے جن کی انہیں رکاوٹوں کی شناخت کے لیے ضرورت ہوتی ہے۔ LiDAR کے لیے، دھند کے ذرات لیزر پلس کو منتشر کرتے ہیں، جس سے "پوائنٹ کلاؤڈ شور" پیدا ہوتا ہے جو حقیقی اہداف کو چھپا سکتا ہے یا غلط مثبتات پیدا کر سکتا ہے۔ سوال یہ نہیں ہے کہ کون سا "متاثر نہیں ہوتا"—سوال یہ ہے کہ کون سا تیزی سے بحال ہو سکتا ہے، اہم کارکردگی کے میٹرکس کو برقرار رکھ سکتا ہے، اور جب نظر بدترین ہو تو ڈرائیوروں کو محفوظ رکھ سکتا ہے۔
حقیقی دنیا کا ڈیٹا: دھند میں ان کی کارکردگی کیسی ہے (2025 کے تازہ ترین ٹیسٹ)
سب سے زیادہ قائل کرنے والا ثبوت 2025 کے "انٹیلیجنٹ ڈرائیونگ ایکسٹریم سیناریو ٹیسٹ وائٹ پیپر" سے آتا ہے، جسے مشترکہ طور پر چائنا آٹوموٹیو انجینئرنگ ریسرچ انسٹی ٹیوٹ (CAERI) اور ڈونگ چیڈی نے جاری کیا ہے۔ اس تاریخی مطالعے میں 15 کلومیٹر کی حقیقی سڑکوں پر دھند والے راستوں اور 216 نقلی تصادم کے منظرناموں میں 36 مرکزی دھارے کے ماڈلز کا تجربہ کیا گیا، جس میں ٹھوس ڈیٹا کے ساتھ کارکردگی کے فرق کو کم کیا گیا۔ آئیے دھند کی شدت کے لحاظ سے اہم نتائج کو توڑ کر پیش کرتے ہیں۔
1. ہلکی دھند (نظر: 200-500m)
ہلکی دھند میں—جو صبح سویرے یا ساحلی علاقوں میں عام ہے—دونوں ٹیکنالوجیز مناسب کارکردگی کا مظاہرہ کرتی ہیں، لیکن باریک فرق سامنے آتے ہیں۔ کیمرہ ویژن سسٹم، جدید ڈی ہیزنگ الگورتھم کی مدد سے، بنیادی رکاوٹ کی شناخت میں اپنی جگہ قائم رکھتے ہیں۔ مثال کے طور پر، ٹیسلا کا FSD V12.5، اربوں کلومیٹر کے حقیقی دنیا کے ڈیٹا پر تربیت یافتہ اپنے بارش کے قطرے اور دھند کے خاتمے کے الگورتھم کی بدولت، ہلکی دھند میں 90% رکاوٹ کی شناخت کی درستگی کی شرح حاصل کی۔
دریں اثنا، LiDAR سسٹمز نے کم سے کم شور کے ساتھ تقریباً کامل درستگی (98%+) برقرار رکھی۔ Hesai ATX Lidar، ایک نیا لانچ کیا گیا طویل رینج ماڈل، نے ارد گرد کی گاڑیوں اور پیدل چلنے والوں کے واضح پوائنٹ کلاؤڈز کو محفوظ رکھتے ہوئے، پکسل سطح پر 99% دھند سے متعلق شور کو فلٹر کرنے کی اپنی صلاحیت کا مظاہرہ کیا۔ یہاں فرق کم ہے، لیکن LiDAR کا فائدہ مستقل مزاجی میں ہے: جب کہ کیمرہ سسٹم کو دھند کی کثافت میں اچانک اتار چڑھاؤ آنے پر دشواری کا سامنا ہو سکتا ہے، LiDAR کی فزیکل سینسنگ مستحکم رہتی ہے۔
2. معتدلی دھند (نظر: 100-200 میٹر)
جب بصارت 200 میٹر سے کم ہو جاتی ہے، تو کیمرہ ویژن کی الگورتھمک حدود واضح ہو جاتی ہیں۔ CAERI ٹیسٹ نے دکھایا کہ خالص کیمرہ ماڈلز نے LiDAR سے لیس گاڑیوں کے مقابلے میں رکاوٹوں کو مس کرنے کی شرح میں 3 گنا اضافہ دیکھا۔ Xpeng G6 کی پیدل چلنے والوں کی شناخت کا فاصلہ صاف موسم میں 150 میٹر سے کم ہو کر معتدل دھند میں صرف 65 میٹر رہ گیا، جبکہ Tesla Model Y کا فاصلہ 78 میٹر تک گر گیا۔ یہ ایک اہم کمی ہے: ہائی وے کی رفتار (100 کلومیٹر فی گھنٹہ) پر، 65 میٹر کا پتہ لگانے کا فاصلہ سسٹم کو رد عمل ظاہر کرنے کے لیے صرف 2.3 سیکنڈ دیتا ہے - جو ایمرجنسی بریکنگ کے لیے بمشکل کافی ہے۔
اس کے برعکس، LiDAR سسٹمز نے 80 میٹر سے اوپر مؤثر پتہ لگانے کے فاصلے برقرار رکھے۔ Huawei کا ADS 3.0، جو 192-لائن LiDAR سے لیس ہے، نے درمیانی دھند میں 126 میٹر کی اوسط پیدل چلنے والے کی شناخت کا فاصلہ حاصل کیا، جس سے 4.5 سیکنڈ کا ردعمل کا وقت ملا۔ یہ فرق LiDAR کی طویل طول موج (1550nm) کا استعمال کرتے ہوئے دھند کوभेदنے کی صلاحیت سے پیدا ہوتا ہے جو کیمروں کے ذریعے استعمال ہونے والی مرئی روشنی کے مقابلے میں کم منتشر ہوتی ہے۔ منتشر ہونے پر بھی، لیزر پلس سینسر تک واپس آنے اور فاصلوں کا درست حساب لگانے کے لیے کافی توانائی برقرار رکھتے ہیں۔
3. گھنی دھند/ایڈویکشن فوگ (نظر: <100 میٹر)
گھنے دھند میں — جہاں بصارت 100 میٹر سے بھی کم ہو جاتی ہے، یا انتہائی صورتوں میں 50 میٹر تک — تقسیم ایک کھائی بن جاتی ہے۔ یہ خود مختار نظاموں کے لیے "کامیابی یا ناکامی" کا منظر نامہ ہے، اور CAERI کا ڈیٹا واضح ہے: خالص کیمرہ ویژن سسٹم نے 15% دستی ٹیک اوور کی شرح کا سامنا کیا، جس میں اکثر "پرسیپشن فیلئر" کے الرٹس شامل تھے۔ ان حالات میں جہاں دھند لین مارکرز، ٹریفک لائٹس، اور یہاں تک کہ بڑی رکاوٹوں کو بھی چھپا دیتی ہے، الگورتھم کے پاس محفوظ فیصلے کرنے کے لیے کافی بصری معلومات کی کمی ہوتی ہے۔
تاہم، LiDAR سے لیس گاڑیوں نے صرف 3% کا ٹیک اوور ریٹ برقرار رکھا۔ ہواوے کے ADS 3.0 نے یہاں تک کہ 30 میٹر کی حد میں جامد گاڑیوں کو درست شناخت کرنے اور بچاؤ کے حربے مکمل کرنے کی صلاحیت کا مظاہرہ کیا - ایسی صورتحال جہاں انسانی ڈرائیور اپنی ہیڈلائٹس سے آگے دیکھنے کے لیے جدوجہد کریں گے۔ اس کارکردگی کی کلید جدید فوگ فلٹرنگ الگورتھم ہیں، جیسے کہ LSLidar نے تیار کیے ہیں۔ یہ الگورتھم دھند سے بکھرے ہوئے لیزر پلس کی خصوصیات کا تجزیہ کرتے ہیں، شور کو درست پوائنٹ کلاؤڈ ڈیٹا سے الگ کرتے ہیں تاکہ رکاوٹ کی اہم معلومات کو محفوظ رکھا جا سکے۔ نتیجہ ایک ایسا نظام ہے جو صرف دھند میں "دیکھتا" نہیں ہے - یہ اس وقت صورتحال سے آگاہی برقرار رکھتا ہے جب کیمرے کی بصارت مکمل طور پر ناکام ہو جاتی ہے۔
تکنیکی کامیابیاں: فرق کو کم کرنا؟
اگرچہ دھند والی صورتحال میں LiDAR کو برتری حاصل ہے، دونوں ٹیکنالوجیز تیزی سے ترقی کر رہی ہیں۔ آئیے تازہ ترین اختراعات کا جائزہ لیں جو ان کی دھند میں کارکردگی کو نئی شکل دے رہی ہیں۔
کیمرہ ویژن: الگورتھمک ایڈوانسز
کیمرہ ویژن کی دھند کی کارکردگی میں سب سے بڑی پیش رفت AI سے چلنے والے ڈی ہیزنگ الگورتھمز اور بڑے، زیادہ متنوع ڈیٹا سیٹس سے آتی ہے۔ مثال کے طور پر، ٹیسلا کا FSD V12.5، دھند کے اثرات کو "ریورس انجینئر" کرنے کے لیے سپروائزڈ اور ان سپروائزڈ لرننگ کے امتزاج کا استعمال کرتا ہے، جس سے دھندلی تصاویر میں واضحیت بحال ہوتی ہے۔ رات کے وقت اور خراب موسم کے 10 بلین کلومیٹر کے ڈیٹا پر تربیت حاصل کر کے، اس نظام نے کم بصارت کی صورتحال میں متحرک آبجیکٹ ٹریکنگ کی رفتار کو 40% بہتر بنایا ہے۔
تاہم، ان پیش رفتوں کی حدود ہیں۔ وہ کام کرنے کے لیے کچھ بصری خصوصیات کی موجودگی پر انحصار کرتے ہیں - جو کہ گھنی دھند میں غائب ہو جاتی ہے۔ یہاں تک کہ بہترین ڈی ہیزنگ الگورتھم بھی ایسی معلومات نہیں بنا سکتا جو موجود نہیں ہے، جس سے کیمرہ ویژن کی جسمانی حدود پر قابو پانا مشکل ہو جاتا ہے۔
لائیڈار: ہارڈ ویئر اور الگورتھم کا ہم آہنگی
لائڈار کی ترقی دخول کو بڑھانے، شور کو کم کرنے اور لاگت کو کم کرنے پر مرکوز ہے۔ سب سے دلچسپ پیشرفتوں میں سے ایک سنگل فوٹو ڈیٹیکٹر لائڈار ہے، جو برطانیہ اور امریکہ کے محققین کے اشتراک سے تیار کردہ اگلی نسل کی ٹیکنالوجی ہے۔ یہ نظام دھند کے ذریعے، یہاں تک کہ 1 کلومیٹر کے فاصلے سے بھی، اعلیٰ ریزولوشن والی 3D تصاویر حاصل کرنے کے لیے انتہائی حساس سپر کنڈکٹنگ نینو وائر سنگل فوٹو ڈیٹیکٹرز (SNSPDs) اور 1550nm طول موج کے لیزرز کا استعمال کرتا ہے۔ انفرادی فوٹو ڈیٹیکٹرز کا پتہ لگا کر اور ان کے فلائٹ ٹائم کو پِکو سیکنڈ کی درستگی (ایک ٹریلینth سیکنڈ) کے ساتھ ناپ کر، یہ نظام دھند کے ذرات اور حقیقی اشیاء کے درمیان بے مثال درستگی کے ساتھ فرق کر سکتا ہے۔
تجارتی LiDAR سسٹمز بھی تیزی سے ترقی کر رہے ہیں۔ LSLidar کا اندرونی دھول/بارش/دھند فلٹرنگ الگورتھم، جو اس کے تمام ماڈلز (بشمول 1550nm فائبر اور 905nm ہائبرڈ سالڈ اسٹیٹ LiDAR) کے ساتھ مطابقت رکھتا ہے، ہدف کا پتہ لگانے کو برقرار رکھتے ہوئے پوائنٹ کلاؤڈ کے شور کو نمایاں طور پر کم کرتا ہے۔ Hesai کا ATX Lidar، 140° الٹرا وائیڈ فیلڈ آف ویو اور 300m ڈیٹیکشن رینج کے ساتھ، دھند، ایگزاسٹ فیومز، اور پانی کے قطروں کو حقیقی وقت میں شناخت اور نشان زد کر سکتا ہے، جو سسٹم کے لیے صاف پوائنٹ کلاؤڈ ڈیٹا کو یقینی بناتا ہے۔ یہ اختراعات LiDAR کو دھند میں زیادہ مضبوط بنا رہی ہیں جبکہ لاگت کو کم کر رہی ہیں - جو کبھی اپنانے میں ایک بڑی رکاوٹ تھی - 2025 میں قیمتیں $300-$450 کی حد تک گر رہی ہیں۔
عملی انتخاب: کب کس ٹیکنالوجی کو ترجیح دی جائے؟
"دھند میں کون سا بہتر کام کرتا ہے" کا جواب آپ کے استعمال کے معاملے اور رسک برداشت کرنے کی صلاحیت پر منحصر ہے۔ فیصلہ سازی کے لیے یہ ایک فریم ورک ہے:
صارفین کی گاڑیوں کے لیے (ADAS)
اگر آپ ایسے علاقے میں رہتے ہیں جہاں اکثر دھند چھائی رہتی ہے (مثلاً، ساحلی علاقے، وادیاں، یا سرد آب و ہوا میں درجہ حرارت کی الٹ پھیر)، تو LiDAR زیادہ محفوظ انتخاب ہے۔ CAERI ڈیٹا ثابت کرتا ہے کہ گھنی دھند میں صورتحال سے آگاہی برقرار رکھنے کی اس کی صلاحیت ایک اہم حفاظتی بفر فراہم کرتی ہے۔ یہاں تک کہ جیسے جیسے کیمرے کی بصارت بہتر ہوتی ہے، LiDAR کا ہارڈ ویئر ریڈنڈنسی ایک "سیفٹی نیٹ" کے طور پر کام کرتا ہے جسے الگورتھم نقل نہیں کر سکتے۔
کم دھند والے علاقوں کے لیے، خالص کیمرہ ویژن کافی ہو سکتا ہے—خاص طور پر اگر لاگت ایک بنیادی تشویش ہو۔ ٹیسلا ماڈل Y اور Xpeng G6 جیسے ماڈلز صاف اور ہلکی دھند والی صورتحال میں مضبوط ADAS کارکردگی پیش کرتے ہیں، اور مسلسل OTA اپ ڈیٹس وقت کے ساتھ ساتھ اپنے الگورتھم کو بہتر بناتی رہتی ہیں۔
کمرشل خودمختاری کے لیے (روبوٹ ٹیکسی، ٹرکنگ)
تجارتی ایپلی کیشنز میں جہاں حفاظت اور اعتبار غیر سمجھوتہ کرنے والے ہیں (اور ریگولیٹری تعمیل لازمی ہے)، LiDAR صرف ترجیحی نہیں ہے بلکہ ضروری ہے۔ شہری علاقوں میں چلنے والی روبوٹ ٹیکسیاں جن میں غیر متوقع دھند کے واقعات ہوتے ہیں، یا طویل فاصلے کے ٹرک جو دھند سے متاثرہ شاہراہوں پر سفر کرتے ہیں، وہ خالص کیمرہ سسٹم کی 15% ٹیک اوور ریٹ کا متحمل نہیں ہو سکتے۔ گھنی دھند میں LiDAR کی 3% ٹیک اوور ریٹ آپریشنل فزیبلٹی اور حفاظتی خطرات کے درمیان فرق ہے۔
مستقبل: ہم آہنگی، مقابلہ نہیں
سب سے زیادہ دور اندیشانہ طریقہ یہ ہے کہ ایک ٹیکنالوجی کو دوسری پر ترجیح دینے کے بجائے انہیں ضم کیا جائے۔ جدید ADAS سسٹمز (جیسے Huawei ADS 3.0) کیمرے کے ویژن کے ہائی ریزولوشن بصری ڈیٹا کو پورا کرنے کے لیے LiDAR کے قابل اعتماد 3D پوائنٹ کلاؤڈز کا استعمال کرتے ہیں۔ دھند میں، LiDAR رکاوٹوں کا بنیادی پتہ لگاتا ہے، جبکہ کیمرے ٹریفک لائٹ کے رنگوں یا پیدل چلنے والوں کے اشاروں (جب نظر آئیں) جیسی تفصیلات کی شناخت میں مدد کرتے ہیں۔ یہ "سینسر فیوژن" دونوں ٹیکنالوجیز کی مضبوطیوں کا فائدہ اٹھاتا ہے، ایک ایسا نظام بناتا ہے جو اکیلے کسی بھی ٹیکنالوجی سے زیادہ مضبوط ہے۔
نتیجہ: دھند میں LiDAR سبقت لے جاتا ہے، لیکن کیمرہ ویژن پیچھے نہیں ہے
جب دھند کی صورتحال کی بات آتی ہے، تو ڈیٹا واضح ہے: LiDAR تمام دھند کی شدت کی سطحوں پر کیمرہ ویژن سے بہتر کارکردگی کا مظاہرہ کرتا ہے، خاص طور پر گھنی دھند میں ایک وسیع فرق کے ساتھ۔ ادراک کے لیے اس کا ہارڈویئر سے چلنے والا طریقہ — لیزر پلس کے ساتھ دھند کو چھیدنا اور جدید الگورتھم کے ساتھ شور کو فلٹر کرنا — ایک حفاظتی بنیاد قائم کرتا ہے جسے کیمرہ ویژن کا سافٹ ویئر پر مبنی ماڈل، کم از کم ابھی کے لیے، برابر نہیں کر سکتا۔
یہ کہا جائے تو، کیمرہ ویژن تیزی سے ترقی کر رہا ہے۔ AI ڈی ہیزنگ الگورتھم اور بڑے ڈیٹا سیٹ ہلکی سے معتدل دھند میں اس کی کارکردگی کو بہتر بنا رہے ہیں، جس سے یہ ان علاقوں کے لیے ایک قابل عمل انتخاب بن گیا ہے جہاں انتہائی دھند کے واقعات کم ہوتے ہیں۔ تاہم، زیادہ تر ڈرائیوروں اور تجارتی آپریٹرز کے لیے، LiDAR کی "دھند کے ذریعے دیکھنے" اور دستی کنٹرول کی ضرورت کو کم کرنے کی صلاحیت ایک حفاظتی فائدہ ہے جسے نظر انداز کرنا مشکل ہے۔
بالآخر، دھند میں خود مختار ادراک کا مستقبل سینسر فیوژن میں مضمر ہے۔ LiDAR کی قابل اعتماد کو کیمرہ ویژن کی تفصیل کے ساتھ ملا کر، ہم ایسے نظام بنا سکتے ہیں جو محفوظ، موثر اور انتہائی سخت موسمی حالات کے مطابق ہوں۔ فی الحال، اگر دھند میں حفاظت آپ کی اولین ترجیح ہے، تو LiDAR واضح فاتح ہے — لیکن کیمرہ ویژن کو باہر نہ سمجھیں کیونکہ الگورتھم میں مسلسل ترقی ہو رہی ہے۔
رابطہ
اپنی معلومات چھوڑیں اور ہم آپ سے رابطہ کریں گے۔
WhatsApp
WeChat