Esplorare la visione artificiale nelle applicazioni di navigazione

Oggi prendere il telefono, digitare una destinazione e seguire indicazioni passo passo per raggiungerla sembra semplicissimo. Bastano pochi secondi. Ma questa comodità quotidiana è il risultato di anni di progressi tecnologici. La navigazione ha fatto molta strada: dalle mappe cartacee e dalle bussole ai sistemi intelligenti, capaci di comprendere e interpretare il mondo in tempo reale.

Una delle tecnologie alla base di questo cambiamento è la visione artificiale, un ramo dell'intelligenza artificiale (AI) che consente alle macchine di interpretare le informazioni visive come fanno gli esseri umani. Oggi gli strumenti di navigazione utilizzano immagini in tempo reale provenienti da satelliti, dashcam e sensori a livello stradale per migliorare la precisione delle mappe, monitorare le condizioni stradali e guidare gli utenti in ambienti complessi.

In questo articolo vedremo come la visione artificiale migliora la navigazione perfezionando le mappe GPS, fornendo aggiornamenti sul traffico in tempo reale e supportando tecnologie come la navigazione in realtà aumentata e i veicoli autonomi.

Sistemi di navigazione basati sull’IA con mappe 3D immersive#

Usare strumenti come Google Maps per orientarsi nella vita quotidiana è ormai molto comune, sia che tu debba attraversare la città sia che tu stia cercando un bar nelle vicinanze. Con la diffusione delle tecnologie di IA, vediamo funzioni sempre più avanzate, come Immersive View, introdotta da Google Maps nel 2023, che consente agli utenti di visualizzare in anteprima parti del percorso in un ambiente 3D. Questa funzione è resa possibile dalla combinazione di IA, fotogrammetria e visione artificiale.

Fig. 1. Immersive View di Google Maps.

Tutto inizia con miliardi di immagini ad alta risoluzione acquisite da una serie di apparecchiature specializzate. Tra queste ci sono le auto di Street View, veicoli dotati di telecamere a 360 gradi che percorrono le città, e i dispositivi Trekker, zaini indossabili con telecamere montate, usati per acquisire immagini in luoghi non raggiungibili dai veicoli, come i sentieri escursionistici o i vicoli stretti.

Queste immagini vengono allineate ai dati cartografici tramite la fotogrammetria, una tecnica che unisce fotografie 2D scattate da angolazioni diverse per creare modelli 3D precisi di strade, edifici e terreni.

La visione artificiale viene quindi usata per analizzare questi modelli tramite il rilevamento degli oggetti e la segmentazione delle immagini, così da identificare ed etichettare elementi importanti come segnali stradali, marciapiedi, strisce pedonali e ingressi degli edifici.

Fig. 2. Immersive View usa la segmentazione per segmentare gli oggetti su una strada.

I dati etichettati vengono usati per addestrare sistemi di IA che riconoscono le differenze degli indizi visivi tra le diverse regioni. Ad esempio, il sistema può distinguere facilmente un cartello “SLOW” negli Stati Uniti, solitamente a forma di rombo giallo o arancione, da un cartello simile in Giappone, di solito un triangolo rosso e bianco. Questo livello di comprensione rende la navigazione più precisa e attenta alle differenze culturali.

Infine, Immersive View sovrappone i percorsi di navigazione in tempo reale all’ambiente 3D, offrendo un’esperienza fluida e intuitiva che mostra esattamente dove stai andando.

La realtà aumentata nelle soluzioni di navigazione#

Probabilmente è capitato a tutti di girare su se stessi cercando di capire in quale direzione ci stia indicando Google Maps. È proprio a questa confusione che mira a porre rimedio la navigazione in realtà aumentata (AR), una tecnologia che sovrappone informazioni digitali alla visuale della telecamera nel mondo reale. Sta cambiando il modo in cui le persone si orientano in luoghi affollati, come le strade cittadine o i grandi spazi al chiuso.

Le mappe tradizionali possono essere difficili da seguire, soprattutto quando il segnale GPS è debole o funziona male. La navigazione in AR risolve il problema mostrando indicazioni digitali, frecce ed etichette direttamente sulla visuale in tempo reale della telecamera. In questo modo gli utenti vedono indicazioni corrispondenti alle strade e agli edifici circostanti, e capiscono molto più facilmente dove andare.

Come viene usata la realtà aumentata nella navigazione#

La navigazione in realtà aumentata si basa su modelli di visione artificiale per comprendere l'ambiente attraverso la fotocamera di un dispositivo. Tra le varie attività c'è la localizzazione delle immagini, che rileva elementi come i bordi degli edifici o i cartelli stradali e li confronta con una mappa memorizzata. La localizzazione e mappatura simultanee (SLAM) crea una mappa dell'ambiente e, allo stesso tempo, tiene traccia in tempo reale della posizione del dispositivo.

Ad esempio, l’aeroporto di Zurigo è stato il primo a implementare Live View di Google Maps per la navigazione al coperto. I passeggeri possono usare la fotocamera del telefono per visualizzare frecce e indicazioni sovrapposte all’ambiente reale, che li guidano attraverso i terminal verso gate, negozi e servizi. Questo migliora l’esperienza dei passeggeri semplificando la navigazione in spazi interni complessi.

Fig. 3. L’aeroporto di Zurigo usa la visione artificiale e l’AR per guidare i passeggeri all’interno.

Migliorare la sicurezza stradale con i sistemi di navigazione basati sull’IA#

Le strade cittadine sono sempre più trafficate. Con più auto in circolazione, marciapiedi affollati e attività costante, mantenere il traffico fluido e sicuro è una sfida crescente. Per gestire meglio questa complessità, molte città si affidano all’IA e alla visione artificiale.

Le telecamere intelligenti e i sensori installati agli incroci e lungo le strade acquisiscono un flusso costante di dati visivi. Le immagini vengono elaborate in tempo reale per rilevare incidenti, monitorare il flusso del traffico, individuare buche e rilevare situazioni come parcheggi illegali o comportamenti rischiosi dei pedoni.

Un esempio interessante è la Smart Airport Expressway di Hangzhou, in Cina. Questa autostrada di 20 chilometri, che collega il centro di Hangzhou all’aeroporto internazionale di Xiaoshan, è stata potenziata con telecamere ad alta risoluzione e radar a onde millimetriche. Questi dispositivi raccolgono continuamente video e dati dei sensori, che vengono poi analizzati con la visione artificiale.

Il sistema non si limita a registrare le immagini: interpreta ciò che accade sulla strada. Gli algoritmi di visione artificiale rilevano gli incidenti tra veicoli, riconoscono le violazioni del codice della strada e individuano persino pedoni o movimenti insoliti nei pressi delle uscite autostradali. In questo modo, le autorità del traffico possono intervenire sugli incidenti in pochi secondi, senza dover essere presenti sul posto.

I dati alimentano anche un gemello digitale: un modello virtuale tridimensionale e aggiornato in tempo reale dell'autostrada, che mostra le condizioni del traffico, i dettagli dei veicoli e gli ingorghi in formazione. Gli agenti del traffico monitorano questa interfaccia visiva per gestire la circolazione, inviare avvisi intelligenti e intervenire sugli incidenti in modo rapido e preciso.

Mobilità autonoma resa possibile dalla visione artificiale nella navigazione#

Oggi la navigazione va ben oltre il semplice spostamento dal punto A al punto B. È diventata una componente fondamentale dei sistemi intelligenti che trasportano persone, gestiscono merci e prendono decisioni in tempo reale, su strada o all’interno dei magazzini.

La visione artificiale è alla base di molti di questi sistemi e consente alle macchine di interpretare i dati visivi e reagire istantaneamente a ciò che le circonda. Vediamo alcuni esempi per capire come questa tecnologia stia trasformando la navigazione in ambienti diversi.

Robot per magazzini che navigano con la visione artificiale#

I robot stanno diventando essenziali per il futuro della logistica, soprattutto nelle operazioni di magazzino su larga scala. Con la crescita della domanda nell’e-commerce, le aziende si affidano sempre più a macchine dotate di visione artificiale per orientarsi in ambienti complessi, smistare gli articoli e gestire l’inventario con rapidità e precisione.

Prendiamo, ad esempio, i centri logistici di Amazon, dove oltre 750.000 robot lavorano insieme alle persone per mantenere efficienti le operazioni. Questi robot si affidano ampiamente alla visione artificiale per orientarsi nei magazzini affollati, identificare gli articoli e prendere decisioni rapide e precise.

Uno di questi sistemi è Sequoia, una piattaforma robotica progettata per accelerare la gestione dell’inventario. Usa la visione artificiale avanzata per scansionare, contare e organizzare i prodotti in entrata, contribuendo a semplificare i processi di stoccaggio e prelievo.

Allo stesso modo, Vulcan, un braccio robotico, usa telecamere e analisi delle immagini per prelevare gli articoli dagli scaffali in sicurezza, adattando la presa alla forma e alla posizione di ogni oggetto e riconoscendo persino quando serve l’intervento di una persona. Cardinal, un altro robot dotato di visione, è invece specializzato nello smistamento: scansiona pile miste di pacchi e li colloca con precisione nei carrelli di spedizione corretti.

Fig. 4. Cardinal solleva con precisione i pacchi da una pila.

La visione artificiale nella navigazione dei veicoli autonomi#

Finora abbiamo visto come la visione artificiale aiuti le persone e i robot a orientarsi nei rispettivi ambienti. È altrettanto fondamentale per i sistemi autonomi, come le auto a guida autonoma, la cui navigazione dipende interamente da ciò che il veicolo riesce a vedere e comprendere in tempo reale.

Un buon esempio è il sistema Tesla Vision. Tesla ha adottato un approccio alla guida autonoma basato esclusivamente sulle telecamere, eliminando radar e altri sensori in favore di una rete di telecamere che offre una visuale completa a 360 gradi dell’ambiente circostante l’auto. Queste telecamere inviano i dati visivi al computer Full Self-Driving (FSD), che usa reti neurali profonde per interpretare l’ambiente e prendere decisioni di guida in una frazione di secondo.

In base a ciò che vede, il sistema decide quando sterzare, accelerare, frenare o cambiare corsia, proprio come farebbe un conducente umano, ma basandosi interamente sugli input visivi. Tesla migliora continuamente il sistema raccogliendo e analizzando enormi quantità di dati di guida reali provenienti dalla sua flotta.

Fig. 5. Tesla usa la visione artificiale per una navigazione sicura e autonoma (Fonte: Tesla).

Vantaggi e svantaggi della visione artificiale nella navigazione#

Ecco alcuni vantaggi fondamentali dell’uso della visione artificiale nella navigazione, soprattutto nei sistemi in cui precisione, sicurezza e capacità di prendere decisioni in tempo reale sono essenziali:

• Riduce il consumo di carburante: aiutando i conducenti a evitare il traffico e i percorsi con continue fermate e ripartenze, la visione artificiale può ridurre il consumo complessivo di carburante e i tempi di percorrenza, rendendo più efficienti gli spostamenti quotidiani.
• Rileva il deterioramento delle strade e i problemi infrastrutturali: le soluzioni basate sulla visione possono individuare buche, segnaletica orizzontale sbiadita, cartelli rotti e infrastrutture danneggiate, fornendo ai team di manutenzione dati affidabili in tempo reale.
• Si integra con altri strumenti di AI: la visione artificiale può essere combinata con assistenti vocali, modelli di previsione del comportamento o algoritmi di ottimizzazione dei percorsi per offrire un'esperienza di navigazione più personalizzata.

La visione artificiale offre molti vantaggi alla navigazione, ma presenta anche alcune importanti limitazioni da considerare quando si implementano queste soluzioni. Ecco alcune sfide fondamentali da tenere presenti:

• Scarsa capacità di generalizzazione: i modelli addestrati in ambienti o scenari specifici spesso incontrano difficoltà quando vengono implementati in contesti nuovi o mutevoli senza essere riaddestrati.
• Limiti legati all’illuminazione: per funzionare bene, i sistemi di visione dipendono da una buona illuminazione e da condizioni meteorologiche favorevoli. In presenza di nebbia, pioggia intensa o buio, le prestazioni peggiorano, a meno che non vengano abbinati a sensori come LiDAR o radar.
• Rischi per la privacy: i sistemi di navigazione che utilizzano telecamere possono riprendere persone e proprietà private senza consenso. Ciò solleva problemi di privacy da affrontare con attenzione durante lo sviluppo e la distribuzione.

Punti chiave#

La visione artificiale sta reinventando la navigazione, rendendo le mappe più dinamiche, i sistemi di gestione del traffico più intelligenti e la mobilità più accessibile. Quelli che un tempo erano percorsi statici sono oggi esperienze interattive in tempo reale, basate su anteprime 3D immersive, indicazioni guidate in AR e tecnologie di trasporto autonomo.

Con il progresso della tecnologia, è probabile che l’attenzione si sposti verso sistemi più inclusivi, adattabili e responsabili. I progressi futuri dipenderanno dal miglioramento della precisione in ambienti diversi, dal mantenimento di prestazioni affidabili e dalla tutela della privacy degli utenti. Il futuro della visione artificiale nella navigazione consiste nel creare soluzioni intelligenti, ma anche attente nella progettazione e nel loro impatto.

Unisciti alla nostra community in crescita! Esplora il nostro repository GitHub per approfondire l’IA e dai un’occhiata alle nostre opzioni di licenza per avviare i tuoi progetti di IA per la visione. Ti interessano innovazioni come l’IA nel commercio al dettaglio e la visione artificiale in agricoltura? Visita le pagine delle nostre soluzioni per saperne di più!