تسريع الأجهزة لاكتشاف المشاة في وحدات كاميرات الأشعة تحت الحمراء المثبتة على المركبات: تعزيز السلامة والكفاءة

مقدمة

الطلب المتزايد على أنظمة مساعدة السائق المتقدمة (ADAS) والمركبات المستقلة قد دفع تطوير تقنيات الكشف عن المشاة القوية. لقد ظهرت وحدات كاميرا الأشعة تحت الحمراء، بأدائها المتفوق في ظروف الإضاءة المنخفضة، كعنصر حاسم لضمان سلامة المشاة. ومع ذلك، فإن المعالجة في الوقت الحقيقي لبيانات الأشعة تحت الحمراء للتعرف على الأجسام تتطلب موارد حسابية كبيرة. تتناول هذه المقالة كيفية تجاوز تقنيات تسريع الأجهزة للاختناقات في الأداء، مما يمكّن خوارزميات الكشف عن المشاة بشكل أسرع وأكثر كفاءة في استهلاك الطاقة في الأشعة تحت الحمراء المركبة على المركبات. وحدات الكاميراI'm sorry, but it seems that there is no text provided for translation. Please provide the text you would like me to translate into Arabic.

التحديات الرئيسية في كشف المشاة بالأشعة تحت الحمراء

تواجه خوارزميات الكشف عن المشاة الفعالة العديد من العقبات عند دمجها في أنظمة المركبات:

• تعقيد البيانات: تلتقط الصور الحرارية بالأشعة تحت الحمراء أنماط الإشعاع الحراري، مما يتطلب استخراج ميزات متخصصة (مثل، هيستوغرام التدرجات الموجهة (HOG)، والشبكات العصبية التلافيفية (CNNs)) لتمييز المشاة عن ضوضاء الخلفية.
• قيود الوقت الحقيقي: تتطلب أنظمة ADAS زمن استجابة أقل من مللي ثانية لمنع الاصطدامات، مما يتطلب معالجة بيانات عالية السرعة.
• كفاءة الطاقة: يمكن أن يؤدي استهلاك الطاقة المفرط إلى استنزاف بطاريات المركبات، لا سيما في المركبات الكهربائية (EVs).
• التغير البيئي: يجب أن تتكيف الخوارزميات مع الظروف المتنوعة (مثل: المطر، الضباب، العوائق، المشاة بأحجام/أوضاع مختلفة).

حلول تسريع الأجهزة: تحسين الأداء والكفاءة

لمعالجة هذه التحديات، تركز الأساليب المعتمدة على الأجهزة على ثلاثة مجالات أساسية:

1. وحدات المعالجة المتخصصة

• وحدات معالجة الرسوميات (GPUs): تسريع قدرات الحوسبة المتوازية نماذج التعلم العميق (مثل YOLOv5، كاشف متعدد الصناديق ذو اللقطة الواحدة (SSD)) لاستنتاج CNN في الوقت الحقيقي. تمثل منصة NVIDIA's DRIVE تسريعًا قائمًا على GPU لنظام المساعدة المتقدم للسائق (ADAS).
• حقول-البرمجة القابلة للتكوين (FPGAs): تتفوق الهياكل القابلة لإعادة التكوين في تسريع الخوارزميات الثابتة (مثل، خطوط أنابيب HOG+SVM). يمكن أن تقلل تصميمات FPGA المخصصة من زمن الانتظار بنسبة تصل إلى 50% مقارنة بوحدات المعالجة المركزية.
• دوائر متكاملة خاصة بالتطبيقات (ASICs): شرائح مصممة خصيصًا (مثل Mobileye EyeQ) تحقق أفضل نسب الأداء لكل واط، مما يوازن بين السرعة وكفاءة الطاقة.

2. تصميم مشترك للخوارزمية والأجهزة

• تحسين النموذج: تقنيات مثل التقليم، التكميم، وتقطير المعرفة تضغط نماذج CNN (على سبيل المثال، تقليل الحجم بنسبة 80% مع الحفاظ على الدقة)، مما يمكّن من نشرها على الحافة.
• الهياكل الهجينة: توزيع عبء العمل الديناميكي عبر وحدات المعالجة المركزية، ووحدات معالجة الرسوميات، ووحدات FPGA يعظم من استخدام الموارد. على سبيل المثال، تتولى وحدات المعالجة المركزية مهام التحكم، وتسرع وحدات معالجة الرسوميات طبقات CNN، وتقوم وحدات FPGA بمعالجة البيانات مسبقًا (مثل، تصفية غابور).
• تحويل بيانات المعالجة المسبقة: تقوم وحدات الأجهزة المخصصة بأداء تحسين الصور بالأشعة تحت الحمراء (تقليل الضوضاء، ضبط التباين) مسبقًا، مما يقلل من حمل المعالج الرئيسي.

3. التدريب المحدد للمجال وزيادة البيانات

• Datasets: تدريب الخوارزميات باستخدام بيانات حرارية مشروحة (مثل FLIR-ADAS، KAIST Multispectral Pedestrian) يعزز من القوة. تم ضبط مسرعات الأجهزة لمعالجة هذه المجموعات بكفاءة.
•  البيانات الاصطناعية: الصور الحرارية المحاكاة (مثل المشاهد الضبابية، الانسدادات الليلية) تسد الفجوات في البيانات الواقعية، مما يحسن تعميم النموذج.

أثر العالم الحقيقي والاتجاهات المستقبلية

تسريع الأجهزة يعيد تشكيل مشهد السيارات:

• OEM Integration: نظام القيادة الذاتية الكامل (FSD) من تسلا ومنصات ADAS من بي إم دبليو تستفيد من هجين GPU+FPGA لتحسين اكتشاف المشاة.
•  ASICs من فئة السيارات: شركات مثل أمبارلا وهوريزون تقوم بتطوير شرائح مخصصة تستهدف الاستقلالية من المستوى L3-L4، مع خطوط معالجة بالأشعة تحت الحمراء محسّنة.
•  التقنيات الناشئة: الحوسبة العصبية والهندسات المستوحاة من الكم تظهر وعدًا بزيادة الأداء بمقدار عدة أوامر.

استنتاج

من خلال دمج الخوارزميات المحسّنة مع الأجهزة المتخصصة، يمكن لوحدات كاميرات الأشعة تحت الحمراء المركبة على المركبات تحقيق كشف حقيقي عن المشاة في الوقت الفعلي مع الحد الأدنى من استهلاك الطاقة. مع تطور أنظمة مساعدة السائق المتقدمة (ADAS) والقيادة الذاتية، ستظل تسريع الأجهزة محورياً في ضمان السلامة في جميع ظروف الإضاءة، مما يمهد الطريق لمستقبل تحمي فيه المركبات المشاة بسلاسة.