استكشاف الرؤية الحاسوبية في تطبيقات الملاحة

أنظمة ملاحة بالذكاء الاصطناعي مع خرائط ثلاثية الأبعاد غامرة

أصبح استخدام أدوات مثل "خرائط Google" للتنقل في الحياة اليومية أمراً شائعاً للغاية، سواء كنت متجهاً إلى مكان ما في المدينة أو تبحث عن مقهى قريب. ومع انتشار استخدام تقنيات الذكاء الاصطناعي على نطاق واسع، أصبحنا نشهد ميزات متقدمة بشكل متزايد مثل ميزة "العرض الغامر" التي طرحتها خرائط Google في عام 2023، والتي تتيح للمستخدمين معاينة أجزاء من رحلتهم في بيئة ثلاثية الأبعاد. وقد أصبح ذلك ممكناً من خلال مزيج من الذكاء الاصطناعي والمسح التصويري والرؤية الحاسوبية.

‍

يبدأ كل شيء بمليارات الصور عالية الدقة التي تلتقطها مجموعة من المعدات المتخصصة. ويشمل ذلك سيارات التجوّل الافتراضي، وهي سيارات مزودة بكاميرات بزاوية 360 درجة تتجول في المدن، وأجهزة "تريكر"، وهي حقائب ظهر يمكن ارتداؤها مزودة بكاميرات مثبتة على الظهر تستخدم لالتقاط الصور في الأماكن التي لا يمكن للمركبات الوصول إليها، مثل مسارات المشي أو الأزقة الضيقة.

تتم محاذاة هذه الصور مع بيانات الخرائط باستخدام تقنية القياس التصويري، وهي تقنية تدمج الصور ثنائية الأبعاد المأخوذة من زوايا مختلفة لإنشاء نماذج ثلاثية الأبعاد دقيقة للشوارع والمباني والتضاريس.

تُستخدم الرؤية الحاسوبية بعد ذلك لتحليل هذه النماذج باستخدام الكشف عن الأجسام وتجزئة الصور لتحديد وتسمية الميزات المهمة مثل علامات الطرق والأرصفة وممرات المشاة ومداخل المباني.

‍

تُستخدم البيانات المصنفة لتدريب أنظمة الذكاء الاصطناعي التي تتعرف على كيفية اختلاف الإشارات البصرية بين المناطق. على سبيل المثال، يمكن للنظام أن يميز بسهولة بين علامة "SLOW" في الولايات المتحدة، والتي عادةً ما تكون على شكل ماسة صفراء أو برتقالية، وعلامة مماثلة في اليابان، والتي عادةً ما تكون على شكل مثلث أحمر وأبيض. هذا المستوى من الفهم يجعل تجربة الملاحة أكثر دقة ووعياً ثقافياً.

وأخيراً، تقوم ميزة العرض الغامر بتراكب مسارات التنقل المباشر على البيئة ثلاثية الأبعاد، مما يوفر تجربة سلسة وبديهية تُظهر لك المكان الذي تتجه إليه بالضبط.

الواقع المعزز في حلول الملاحة

ربما اختبرنا جميعاً على الأرجح تجربة الدوران في دوائر ومحاولة معرفة الاتجاه الذي توجهنا إليه خرائط Google. هذا الارتباك هو بالضبط ما يهدف الواقع المعزز (AR) للملاحة (AR) ، وهي تقنية تقوم بتراكب المعلومات الرقمية على عرض الكاميرا في العالم الحقيقي، إلى حل هذه المشكلة. إنها تغيّر الطريقة التي يجد بها الأشخاص طريقهم في الأماكن المزدحمة مثل شوارع المدينة أو المناطق الداخلية الكبيرة. 

قد يكون من الصعب اتباع الخرائط العادية، خاصةً عندما تكون إشارات GPS ضعيفة أو لا تعمل بشكل جيد. يعالج نظام الملاحة بالواقع المُعزَّز هذه المشكلة من خلال عرض الاتجاهات والأسهم والتسميات الرقمية مباشرةً على عرض الكاميرا المباشر للعالم الحقيقي. وهذا يعني أن المستخدمين يرون الإرشادات التي تتطابق مع الشوارع والمباني من حولهم، مما يسهّل عليهم معرفة الاتجاهات التي يجب أن يذهبوا إليها.

كيفية استخدام الواقع المعزز في الملاحة

يعتمد التنقل بالواقع المعزز على نماذج الرؤية الحاسوبية لفهم البيئة من خلال كاميرا الجهاز. ويتضمن ذلك مهام مختلفة مثل توطين الصور، والتي تكتشف ميزات مثل حواف المباني أو علامات الشوارع ومطابقتها مع خريطة مخزنة. يقوم التوطين المتزامن ورسم الخرائط (SLAM) بإنشاء خريطة للبيئة أثناء تتبع موقع الجهاز في الوقت الفعلي.

على سبيل المثال، كان مطار زيورخ أول مطار يطبِّق ميزة "العرض المباشر" من خرائط Google للملاحة الداخلية. يمكن للركاب استخدام كاميرات هواتفهم لرؤية الأسهم والاتجاهات متراكبة في بيئة العالم الحقيقي، وإرشادهم عبر مباني الركاب إلى البوابات والمتاجر والخدمات. ويؤدي ذلك إلى تحسين تجربة الركاب من خلال تسهيل التنقل في الأماكن الداخلية المعقدة.

‍

تعزيز السلامة على الطرق باستخدام أنظمة الملاحة القائمة على الذكاء الاصطناعي

تزداد شوارع المدينة ازدحاماً يوماً بعد يوم. ومع ازدياد عدد السيارات على الطريق، وازدحام الأرصفة، والنشاط المستمر، أصبح الحفاظ على انسيابية حركة المرور بسلاسة وأمان تحدياً متزايداً. وللمساعدة في إدارة هذه الفوضى، تتجه العديد من المدن إلى الذكاء الاصطناعي والرؤية الحاسوبية.

تلتقط الكاميرات وأجهزة الاستشعار الذكية المثبتة في التقاطعات وعلى طول الطرقات دفقاً مستمراً من البيانات المرئية. تتم معالجة هذه اللقطات في الوقت الفعلي للكشف عن الحوادث ومراقبة تدفق حركة المرور ورصد الحفر واكتشاف الحفر والتقاط أشياء مثل الوقوف غير القانوني أو سلوك المشاة المحفوف بالمخاطر.

ومن الأمثلة المثيرة للاهتمام على ذلك طريق المطار السريع الذكي في هانغتشو بالصين. هذا الطريق السريع الذي يبلغ طوله 20 كيلومتراً، ويربط وسط مدينة هانغتشو بمطار شياوشان الدولي، تم تحديثه بكاميرات عالية الدقة ورادارات تعمل بالموجات المليمترية. تجمع هذه الأجهزة باستمرار بيانات الفيديو وأجهزة الاستشعار، والتي يتم تحليلها بعد ذلك باستخدام الرؤية الحاسوبية.

بدلاً من مجرد تسجيل اللقطات، يقوم النظام بتفسير ما يحدث على الطريق. تكتشف خوارزميات الرؤية الحاسوبية تصادم المركبات، وتتعرّف على المخالفات المرورية، بل وتحدد المشاة أو الحركة غير العادية بالقرب من مخارج الطرق السريعة. وهذا يسمح لمسؤولي المرور بالاستجابة للحوادث في غضون ثوانٍ، دون الحاجة إلى التواجد فعلياً في الموقع.

تغذي البيانات أيضاً توأماً رقمياً: نموذج افتراضي مباشر ثلاثي الأبعاد للطريق السريع يُظهر ظروف حركة المرور في الوقت الفعلي وتفاصيل المركبات والازدحامات الناشئة. يراقب ضباط المرور هذه الواجهة المرئية لإدارة التدفق وإصدار التنبيهات الذكية والاستجابة للحوادث بسرعة ودقة.

تمكين التنقل الذاتي بواسطة الرؤية الحاسوبية في الملاحة 

إن الملاحة اليوم تتجاوز مجرد الانتقال من النقطة أ إلى النقطة ب. فهي الآن جزء أساسي من الأنظمة الذكية التي تنقل الأشخاص وتدير البضائع وتتخذ القرارات في الوقت الحقيقي، سواء على الطريق أو داخل المستودعات. 

تقع الرؤية الحاسوبية في صميم العديد من هذه الأنظمة، مما يمكّن الآلات من تفسير البيانات المرئية والاستجابة الفورية لمحيطها. دعونا نستعرض بعض الأمثلة لنرى كيف تعمل هذه التقنية على تحويل الملاحة في بيئات مختلفة.

روبوتات المستودعات تتنقل في المستودعات باستخدام رؤية الكمبيوتر

أصبحت الروبوتات ضرورية لمستقبل الخدمات اللوجستية، خاصةً في عمليات المستودعات واسعة النطاق. فمع تزايد الطلب على التجارة الإلكترونية، تعتمد الشركات بشكل متزايد على الآلات التي تعمل بالرؤية الحاسوبية للتنقل في البيئات المعقدة وفرز العناصر وإدارة المخزون بسرعة ودقة.

خذ على سبيل المثال مراكز الوفاء التابعة لشركة أمازون، حيث يعمل أكثر من 750,000 روبوت جنباً إلى جنب مع البشر للحفاظ على سير العمليات بكفاءة. تعتمد هذه الروبوتات بشكل كبير على رؤية الكمبيوتر للتنقل في طوابق المستودعات المزدحمة، وتحديد العناصر، واتخاذ قرارات سريعة ودقيقة.

أحد هذه الأنظمة هو نظام Sequoia، وهو عبارة عن منصة روبوتية مصممة لتسريع التعامل مع المخزون. وهي تستخدم رؤية حاسوبية متقدمة لمسح المنتجات الواردة وعدّها وتنظيمها، مما يساعد على تبسيط عمليات التخزين والاسترجاع. 

وبالمثل، يستخدم Vulcan، وهو ذراع روبوتية، الكاميرات وتحليل الصور لالتقاط الأغراض بأمان من الرفوف، وتعديل قبضته بناءً على شكل وموضع كل غرض، بل ويتعرف على وقت الحاجة إلى مساعدة الإنسان. وفي الوقت نفسه، يتخصص الروبوت Cardinal، وهو روبوت آخر مدعوم بالرؤية، في الفرز: فهو يقوم بمسح أكوام مختلطة من الطرود ويضعها بدقة في العربات الصادرة الصحيحة.

‍

الرؤية الحاسوبية في ملاحة المركبات ذاتية القيادة

لقد رأينا حتى الآن كيف تساعد الرؤية الحاسوبية كلاً من الأشخاص والروبوتات على التنقل في بيئاتهم. لكنها لا تقل أهمية بالنسبة للأنظمة ذاتية القيادة، مثل السيارات ذاتية القيادة، حيث يعتمد التنقل كلياً على ما يمكن للمركبة رؤيته وفهمه في الوقت الفعلي.

ومن الأمثلة الجيدة على ذلك نظام Tesla Vision. فقد اعتمدت تسلا نهجاً يعتمد على الكاميرا فقط في القيادة الذاتية، حيث قامت بإزالة الرادار وأجهزة الاستشعار الأخرى لصالح شبكة من الكاميرات التي توفر رؤية كاملة بزاوية 360 درجة لمحيط السيارة. تقوم هذه الكاميرات بتغذية البيانات المرئية إلى كمبيوتر القيادة الذاتية الكاملة (FSD)، الذي يستخدم شبكات عصبية عميقة لتفسير البيئة المحيطة واتخاذ قرارات القيادة في جزء من الثانية.

واستناداً إلى ما يراه، يقرر النظام متى يقوم بالتوجيه أو التسارع أو الكبح أو تغيير المسار، تماماً كما يفعل السائق البشري، ولكن من خلال المدخلات البصرية بالكامل. تعمل Tesla باستمرار على تحسين هذا النظام من خلال جمع كميات هائلة من بيانات القيادة في العالم الحقيقي عبر أسطولها والتعلم منها.

‍

إيجابيات وسلبيات الرؤية الحاسوبية في الملاحة

فيما يلي بعض المزايا الرئيسية لاستخدام الرؤية الحاسوبية في الملاحة، خاصةً في الأنظمة التي تكون فيها الدقة والسلامة واتخاذ القرار في الوقت الحقيقي ضرورية:

• يقلل من استهلاك الوقود: من خلال مساعدة السائقين على تفادي الازدحام المروري وطرق التوقف والذهاب، يمكن للرؤية الحاسوبية أن تقلل من استهلاك الوقود ووقت السفر بشكل عام، مما يجعل التنقلات اليومية أكثر كفاءة.
  ‍
• يكتشف تآكل الطرق ومشاكل البنية التحتية: يمكنللحلول القائمة على الرؤية أن تكشف عن الحفر، وعلامات الحارات الباهتة، والعلامات المائلة الباهتة، والعلامات المكسورة، والبنية التحتية التالفة، مما يوفر لفرق الصيانة بيانات موثوقة في الوقت الفعلي.
  ‍
• تتكامل بسلاسة مع أدوات الذكاء الاصطناعي الأخرى: يمكن دمج الرؤية الحاسوبية مع المساعدين الصوتيين أو نماذج التنبؤ السلوكي أو خوارزميات تحسين المسار لإنشاء تجربة ملاحة ذكية وشخصية للغاية.

على الرغم من أن الرؤية الحاسوبية تجلب العديد من الفوائد للملاحة، إلا أنها تأتي أيضًا مع بعض القيود المهمة التي يجب مراعاتها عند تنفيذ مثل هذه الحلول. فيما يلي بعض التحديات الرئيسية التي يجب وضعها في الاعتبار:

• عدم التعميم: غالبًا ما تعاني النماذج التي تم تدريبها على بيئات أو سيناريوهات محددة عند نشرها في سياقات جديدة أو متغيرة دون إعادة التدريب.
  ‍
• قيود الإضاءة: تعتمد أنظمة الرؤية على الإضاءة الجيدة والطقس الصافي لتعمل بشكل جيد. وفي حالة الضباب أو الأمطار الغزيرة أو الظلام، ينخفض أداؤها ما لم تقترن بأجهزة استشعار مثل الليدار أو الرادار.
  ‍
• مخاطر الخصوصية: يمكن لأنظمة الملاحة التي تستخدم الكاميرات أن تلتقط صورًا للأشخاص والممتلكات الخاصة دون موافقة. وهذا يثير قضايا الخصوصية التي يجب معالجتها بعناية أثناء التطوير والنشر.

الوجبات الرئيسية

تعمل الرؤية الحاسوبية على إعادة ابتكار الملاحة من خلال جعل الخرائط أكثر ديناميكية، وأنظمة المرور أكثر ذكاءً، والتنقل أكثر سهولة. ما كان في السابق طرقاً ثابتة أصبح الآن تجارب تفاعلية في الوقت الحقيقي، مدعومة بمعاينات ثلاثية الأبعاد غامرة واتجاهات موجهة بالواقع المعزز وتقنيات النقل الذاتي.

ومع تقدم التكنولوجيا، من المرجح أن يتحول التركيز نحو جعل هذه الأنظمة أكثر شمولاً وتكيفاً ومسؤولية. وسيعتمد التقدم المستمر على تحسين الدقة في بيئات متنوعة، والحفاظ على أداء موثوق به، وحماية خصوصية المستخدم. يكمن مستقبل الرؤية الحاسوبية في مجال الملاحة في بناء حلول لا تتسم بالذكاء فحسب، بل تراعي أيضاً في تصميمها وتأثيرها.

انضم إلى مجتمعنا المتنامي! استكشف مستودع GitHub الخاص بنا للتعرف على الذكاء الاصطناعي، واطلع على خيارات الترخيص لدينا لبدء مشاريع الذكاء الاصطناعي في الرؤية. هل أنت مهتم بابتكارات مثل الذكاء الاصطناعي في البيع بالتجزئة والرؤية الحاسوبية في الزراعة؟ تفضل بزيارة صفحات الحلول الخاصة بنا لاكتشاف المزيد!