محققان دانشگاه پردو در حال توسعه روشی به نام HADAR (تشخیص و تعیین محدوده به کمک گرما) هستند تا بینایی و ادراک ماشین را در زمینه رباتیک متحول کنند. این روش که بر محدودیت‌های روش‌های سنتی غلبه می‌کند، از فیزیک حرارتی، تصویربرداری مادون قرمز و یادگیری ماشین برای درک بافت، عمق و ویژگی‌های فیزیکی صحنه‌ها و اشیا، حتی در شرایط نوری چالش‌برانگیز استفاده می‌کند.

دانشمندان دانشگاه پردو (Purdue University) در حال پیشرفت فناوری‌های آینده صنعت رباتیک و سیستم‌های خودمختار با یک سیستم بینایی جدید هستند که به آن‌ها اجازه می‌دهد در تاریکی شب دید بسیار بهتری داشته باشند.

تصویربرداری حرارتی و از دست رفتن بافت اشیا
تصویربرداری حرارتی و از دست رفتن بافت اشیا

به گفته محققان این دانشگاه، انتظار می‌رود که تا سال ۲۰۳۰ حداقل ۱۰ درصد وسایل نقلیه در حال حرکت در خیابان‌ها به صورت خودران باشند و ۲۰ میلیون ربات کمک‌کننده وجود داشته باشد.

زوبین جاکوب (Zubin Jacob)، دانشیار مهندسی برق و کامپیوتر در دانشکده مهندسی المور توضیح داده است:

هر یک از این خودروها و ربات‌ها از طریق حسگرهای پیشرفته اطلاعاتی را در رابطه با محیط اطراف خود جمع‌آوری خواهند کرد تا بدون دخالت انسان تصمیم‌گیری کنند. با این حال، درک هم‌زمان صحنه توسط عوامل متعدد اساساً ممنوع است.

حسگرهای سنتی LiDAR
تصویر ثبت شده توسط حسگر LiDAR

به گزارش Scitechdaily، حسگرهای سنتی از جمله LiDAR (تشخیص نور و برد)، رادارها و ردیاب‌های آوایی برای جمع‌آوری اطلاعات ابتدا سیگنال‌هایی را به محیط پیرامون خود ارسال کرده و پس از دریافت بازخورد، یک محیط سه‌بعدی را ترسیم می‌کنند.

این روش‌ها معایبی به همراه دارند که با افزایش اندازه و شعاع، معایب آن‌ها نیز برجسته‌تر می‌شود؛ از جمله تداخل سیگنال و خطراتی برای چشم انسان.

در طرف مقابل دوربین‌هایی قرار می‌گیرند که بر اساس نور خورشید یا سایر منابع روشنایی کار می‌کنند. این دوربین‌ها مشکلات مربوط به سنسورهای دیگر را به همراه ندارد، با این وجود در شرایط نوری کم مانند شب، مه یا باران شدید با مشکل روبرو می‌شوند.

تصاویر ثبت شده توسط دستگاه‌های حرارتی
تصاویر ثبت شده توسط دوربین‌ها و سنسورهای حرارتی

روش بعدی تصویربرداری حرارتی نام دارد که یک روش حسی کاملاً غیرفعال محسوب شده و از تابش گرمایی نامرئی ساطع شده از همه اشیای موجود در یک صحنه، اطلاعات مورد نیاز را جمع‌آوری می‌کند. در این روش می‌توان بدون در نظر گرفتن مواردی همچون تاریکی شب، آب و هوای نامناسب و حتی تابش نور خورشید، اطلاعات مورد نیاز برای تصویربرداری را جمع‌آوری کرد.

با این حال، زوبین جاکوب توضیح می‌دهد که این روش نیز مشکلات و محدودیت‌هایی به همراه دارد. به گفته وی:

اشیا و محیط پیرامون آن‌ها دائماً در حال انتشار تشعشعات حرارتی هستند که به واسطه تصویربرداری حرارتی می‌توان از آن‌ها یک تصویر بدون بافت یا اثر شبح دریافت کرد. در این نوع تصویر مثلاً صورت یک فرد تنها از چند خط و مقداری کنتراست دما تشکیل می‌شود. هیچ ویژگی مشخصی در این تصاویر ثبت نشده و در نهایت شما یک تصویر شبح مانند از فرد دریافت می‌کنید. این از دست دادن اطلاعات، بافت و ویژگی باعث می‌شود که استفاده از دوربین‌های حرارتی برای ماشین‌های هوشمند چندان مناسب نباشد.

HADAR: نسل جدید سنسورهای دید در شب

بر همین اساس، دانشمندان اخیراً یک سیستم جدید به نام HADAR یا تشخیص و تعیین محدود به کمک حرارت را توسعه داده‌اند که ترکیبی از فیزیک حرارتی، تصویربرداری مادون قرمز و یادگیری ماشینی را به همراه داشته و راه را برای درک ماشین‌های کاملاً منفعل و آگاه از فیزیک هموار می‌کند.

تصویربرداری HADAR

سیستم دید در شب HADAR تمام مشکلات مربوط به سنسورهای ذکر شده را کنار گذاشته و می‌تواند به طور دقیق دما، بافت و انتشار گرمایی تمام اشیای موجود در صحنه را ثبت کند. در نهایت HADAR تصاویری را به نمایش می‌گذارد که بافت و عمق را در تاریکی به گونه‌ای نمایش می‌دهد که گویی روز است.

به گفته محققان، کاربردهای اولیه این سیستم وسایل نقلیه و روبات‌های خودکاری هستند که در محیط‌های پیچیده با انسان تعامل دارند. این فناوری می‌تواند برای کاربردهای مختلفی از جمله کشاورزی، صنایع دفاعی، علوم زمین‌شناسی، مراقبت‌های بهداشتی و نظارت بر حیات وحش توسعه یابد.

نظر خود را اضافه کنید.

ارسال نظر بدون عضویت در سایت

0

نظرات (1)

  • مهمان - پدرام

    داشتن این ابزار برای سیستم های دفاعی کشورمان جزو واجبات هست
    مخصوصا برای لب مرز و مرزبانی کشورمون که باید مراقب ورود قاچاقیچان مواد مخدر و تروریست ها باشند حیاتی هست

ورود به شهرسخت‌افزار

ثبت نام در شهر سخت افزار
ورود به شهر سخت افزار

ثبت نام در شهر سخت افزار

نام و نام خانوادگی(*)
لطفا نام خود را وارد کنید

ایمیل(*)
لطفا ایمیل خود را به درستی وارد کنید

رمز عبور(*)
لطفا رمز عبور خود را وارد کنید

شماره موبایل
Invalid Input

جزو کدام دسته از اشخاص هستید؟(*)

لطفا یکی از موارد را انتخاب کنید