PULS BRANŻY 13 e-AUTO SERVICE MANAGER 09 - 2024 i uczenia maszynowego. Dodatkowo biorą oni udział w zbieraniu, etykietowaniu oraz przygotowaniu reprezentatywnego zbioru danych do zadań uczenia maszynowego. Dzięki wykorzystaniu tych zaawansowanych technik radar samochodowy będzie mógł wykrywać to, co dzieje się wokół pojazdu ze skutecznością porównywalną do systemów wizyjnych. System klasyfikacji obiektów opracowany przez Aptiv działa na zasadzie zaawansowanej analizy niskopoziomowych danych radarowych. Na podstawie zebranych danych radarowych, system wykorzystuje algorytmy uczenia maszynowego do detekcji wzorców odpowiadających określonym obiektom widocznym w otoczeniu pojazdu. Algorytmy te są trenowane na dużych zbiorach danych, które zawierają różne typy obiektów, takie jak piesi, pojazdy, rowery czy przeszkody statyczne. Dzięki temu system jest w stanie poprawnie rozpoznać, rozróżnić i sklasyfikować różne obiekty na drodze - wyjaśnia Dariusz Mruk, dyrektor Centrum Technicznego Aptiv w Krakowie. Dokładna klasyfikacja siłą systemów ADAS Pojazdy klasyfikują obiekty, czyli rozpoznają je na drodze i dzięki temu skuteczniej przewidują ich zachowanie. Ma to zasadnicze znaczenie na wszystkich poziomach podejmowania decyzji dla systemów ADAS autonomicznej jazdy. Na przykład rower i motocykl mają podobny kształt i rozmiar, ale działają zupełnie inaczej. Aby pojazd mógł odpowiednio na nie zareagować, musi być w stanie je od siebie odróżnić. Klasyfikacja była tradycyjnie domeną wymagających dużej mocy obliczeniowej systemów wizyjnych. Jednak takie rozwiązania zbierają niepotrzebne informacje, takie jak kolor
RkJQdWJsaXNoZXIy ODk4Nzg=