Explorar a visão computacional em aplicações de navegação

Hoje em dia, pegar no telemóvel, escrever um destino e seguir instruções passo a passo para chegar lá parece algo simples. É algo que demora apenas alguns segundos. Mas esta conveniência quotidiana é o resultado de anos de progresso tecnológico. A navegação evoluiu muito, desde mapas de papel e bússolas até sistemas inteligentes capazes de compreender e responder ao mundo em tempo real.

Uma das tecnologias por detrás desta mudança é a visão computacional, um ramo da inteligência artificial (AI) que permite às máquinas interpretar informações visuais como os seres humanos. As ferramentas de navegação de ponta utilizam agora imagens em tempo real de satélites, câmaras de bordo e sensores ao nível da rua para melhorar a precisão dos mapas, monitorizar as condições das estradas e orientar os utilizadores em ambientes complexos.

Neste artigo, vamos explorar como a visão computacional está a melhorar a navegação, aperfeiçoando os mapas GPS, fornecendo atualizações de trânsito em tempo real e apoiando tecnologias como a navegação de realidade aumentada e os veículos autónomos.

Sistemas de navegação com AI e mapeamento 3D imersivo#

Utilizar ferramentas como o Google Maps para navegar no dia a dia tornou-se muito comum, quer estejas a atravessar a cidade, quer procures um café próximo. À medida que as tecnologias de AI são adotadas de forma mais ampla, vemos funcionalidades cada vez mais avançadas, como a Immersive View, apresentada pelo Google Maps em 2023, que permite aos utilizadores pré-visualizar partes do percurso num ambiente 3D. Isto é possível graças à combinação de AI, fotogrametria e visão computacional.

Fig. 1. Vista imersiva do Google Maps.

Tudo começa com milhares de milhões de imagens de alta resolução captadas por uma variedade de equipamentos especializados. Isto inclui carros do Street View, veículos equipados com câmaras de 360 graus que percorrem as cidades, e dispositivos Trekker, mochilas vestíveis com câmaras montadas, utilizadas para captar imagens em locais onde os veículos não conseguem chegar, como trilhos pedestres ou becos estreitos.

Estas imagens são alinhadas com os dados cartográficos através da fotogrametria, uma técnica que junta fotografias 2D tiradas de diferentes ângulos para criar modelos 3D precisos de ruas, edifícios e terrenos.

A visão computacional é então utilizada para analisar estes modelos através da deteção de objetos e da segmentação de imagens, identificando e classificando elementos importantes, como sinais de trânsito, passeios, passadeiras e entradas de edifícios.

Fig. 2. A Vista imersiva utiliza segmentação para segmentar objetos numa rua.

Os dados classificados são utilizados para treinar sistemas de AI que reconhecem como os elementos visuais variam entre regiões. Por exemplo, o sistema consegue distinguir facilmente entre um sinal “SLOW” nos Estados Unidos, que é normalmente um losango amarelo ou laranja, e um sinal semelhante no Japão, que costuma ser um triângulo vermelho e branco. Este nível de compreensão torna a experiência de navegação mais precisa e culturalmente contextualizada.

Por fim, a Immersive View sobrepõe percursos de navegação em direto ao ambiente 3D, proporcionando uma experiência fluida e intuitiva que mostra exatamente para onde te diriges.

Realidade aumentada em soluções de navegação#

Provavelmente, todos já passámos pela situação de andar às voltas a tentar perceber para que direção o Google Maps nos está a encaminhar. É precisamente essa confusão que a navegação de realidade aumentada (AR), uma tecnologia que sobrepõe informações digitais à imagem da câmara do mundo real, pretende resolver. Está a mudar a forma como as pessoas se orientam em locais movimentados, como ruas de cidades ou grandes espaços interiores.

Os mapas tradicionais podem ser difíceis de seguir, especialmente quando os sinais GPS são fracos ou não funcionam bem. A navegação AR resolve este problema ao mostrar instruções digitais, setas e etiquetas diretamente na imagem em direto da câmara do mundo real. Assim, os utilizadores veem orientações que correspondem às ruas e aos edifícios à sua volta, tornando muito mais fácil saber para onde ir.

Como a realidade aumentada é utilizada na navegação#

A navegação AR depende de modelos de visão computacional para compreender o ambiente através da câmara de um dispositivo. Isto envolve várias tarefas, como a localização de imagens, que deteta elementos como extremidades de edifícios ou sinais de trânsito e os associa a um mapa armazenado. A localização e o mapeamento simultâneos (SLAM) criam um mapa do ambiente enquanto acompanham a posição do dispositivo em tempo real.

Por exemplo, o Aeroporto de Zurique foi o primeiro a implementar a Live View do Google Maps para navegação interior. Os passageiros podem utilizar as câmaras dos seus telemóveis para ver setas e indicações sobrepostas ao ambiente real, orientando-os pelos terminais até às portas de embarque, lojas e serviços. Isto melhora a experiência dos passageiros ao facilitar a navegação em espaços interiores complexos.

Fig. 3. O Aeroporto de Zurique utiliza visão computacional e AR para orientar passageiros no interior.

Melhorar a segurança rodoviária com sistemas de navegação baseados em AI#

As ruas das cidades estão cada vez mais movimentadas. Com mais carros nas estradas, passeios congestionados e atividade constante, manter o trânsito a fluir de forma segura e eficiente é um desafio crescente. Para ajudar a gerir este caos, muitas cidades estão a recorrer à AI e à visão computacional.

Câmaras inteligentes e sensores instalados em cruzamentos e ao longo das estradas captam um fluxo constante de dados visuais. Essas imagens são processadas em tempo real para detetar acidentes, monitorizar o fluxo de trânsito, identificar buracos e detetar situações como estacionamento ilegal ou comportamentos de risco por parte de peões.

Um exemplo interessante é a Smart Airport Expressway, em Hangzhou, na China. Esta autoestrada com 20 quilómetros, que liga o centro de Hangzhou ao Aeroporto Internacional de Xiaoshan, foi modernizada com câmaras de alta resolução e radares de ondas milimétricas. Estes dispositivos recolhem continuamente vídeo e dados de sensores, que são depois analisados através de visão computacional.

Em vez de apenas gravar imagens, o sistema interpreta o que está a acontecer na estrada. Os algoritmos de visão computacional detetam colisões entre veículos, reconhecem infrações de trânsito e até identificam peões ou movimentos invulgares perto das saídas da autoestrada. Isto permite que as autoridades de trânsito respondam a incidentes em poucos segundos, sem precisarem de estar fisicamente no local.

Os dados também alimentam um gémeo digital: um modelo virtual 3D e dinâmico da autoestrada que mostra as condições do trânsito em tempo real, os detalhes dos veículos e os congestionamentos emergentes. Os agentes de trânsito monitorizam esta interface visual para gerir o fluxo, emitir alertas inteligentes e responder a incidentes de forma rápida e precisa.

Mobilidade autónoma possibilitada pela visão computacional na navegação#

A navegação atual vai muito além de simplesmente ir do ponto A ao ponto B. É agora uma parte essencial de sistemas inteligentes que transportam pessoas, gerem mercadorias e tomam decisões em tempo real, seja na estrada ou dentro de armazéns.

No centro de muitos destes sistemas está a visão computacional, que permite às máquinas interpretar dados visuais e responder instantaneamente ao que as rodeia. Vamos analisar alguns exemplos para perceber como esta tecnologia está a transformar a navegação em diferentes ambientes.

Robôs de armazém a navegar com visão computacional#

Os robôs estão a tornar-se essenciais para o futuro da logística, especialmente em operações de armazém de grande escala. À medida que a procura do comércio eletrónico cresce, as empresas dependem cada vez mais de máquinas com visão computacional para navegar em ambientes complexos, organizar artigos e gerir inventários com rapidez e precisão.

Por exemplo, nos centros de processamento da Amazon, mais de 750 000 robôs trabalham lado a lado com seres humanos para manter as operações eficientes. Estes robôs dependem fortemente da visão computacional para navegar pelos movimentados pisos dos armazéns, identificar artigos e tomar decisões rápidas e precisas.

Um desses sistemas é o Sequoia, uma plataforma robótica concebida para acelerar a gestão do inventário. Utiliza visão computacional avançada para digitalizar, contar e organizar os produtos recebidos, ajudando a otimizar os processos de armazenamento e recolha.

De forma semelhante, o Vulcan, um braço robótico, utiliza câmaras e análise de imagens para recolher artigos das prateleiras com segurança, ajustando a sua pega com base na forma e na posição de cada objeto e reconhecendo até quando é necessária assistência humana. Entretanto, o Cardinal, outro robô equipado com visão, especializa-se na triagem: digitaliza pilhas de encomendas misturadas e coloca-as com precisão nos carrinhos de expedição corretos.

Fig. 4. Cardinal a levantar encomendas com precisão de uma pilha.

Visão computacional na navegação de veículos autónomos#

Até agora, vimos como a visão computacional ajuda tanto as pessoas como os robôs a navegar pelos seus ambientes. Mas é igualmente crucial para sistemas autónomos, como carros autónomos, cuja navegação depende inteiramente daquilo que o veículo consegue ver e compreender em tempo real.

Um bom exemplo é o sistema Tesla Vision. A Tesla adotou uma abordagem à condução autónoma baseada exclusivamente em câmaras, removendo o radar e outros sensores em favor de uma rede de câmaras que fornece uma visão completa de 360 graus do ambiente em redor do carro. Estas câmaras enviam dados visuais para o computador Full Self-Driving (FSD), que utiliza redes neuronais profundas para interpretar o ambiente e tomar decisões de condução em frações de segundo.

Com base no que vê, o sistema decide quando virar, acelerar, travar ou mudar de faixa, tal como faria um condutor humano, mas inteiramente através de informação visual. A Tesla melhora continuamente este sistema ao recolher e aprender com enormes quantidades de dados de condução do mundo real provenientes da sua frota.

Fig. 5. A Tesla utiliza visão computacional para uma navegação segura e autónoma (Fonte: Tesla).

Vantagens e desvantagens da visão computacional na navegação#

Eis algumas das principais vantagens da utilização de visão computacional na navegação, especialmente em sistemas nos quais a precisão, a segurança e a tomada de decisões em tempo real são essenciais:

• Reduz o consumo de combustível: Ao ajudar os condutores a evitar o trânsito e percursos com paragens e arranques constantes, a visão computacional pode reduzir o consumo geral de combustível e o tempo de viagem, tornando as deslocações diárias mais eficientes.
• Deteta o desgaste das estradas e problemas de infraestrutura: As soluções baseadas em visão podem procurar buracos, marcações de faixa desbotadas, sinais danificados e infraestruturas degradadas, fornecendo às equipas de manutenção dados fiáveis em tempo real.
• Integra-se perfeitamente com outras ferramentas de AI: A visão computacional pode ser combinada com assistentes de voz, modelos de previsão comportamental ou algoritmos de otimização de rotas para criar uma experiência de navegação altamente inteligente e personalizada.

Embora a visão computacional traga muitos benefícios para a navegação, também apresenta algumas limitações importantes a considerar ao implementar estas soluções. Eis alguns dos principais desafios a ter em conta:

• Falta de generalização: Os modelos treinados em ambientes ou cenários específicos têm frequentemente dificuldades quando são implementados em contextos novos ou variáveis sem novo treino.
• Limitações de iluminação: Os sistemas de visão dependem de boa iluminação e condições meteorológicas claras para funcionar bem. Com nevoeiro, chuva intensa ou escuridão, o seu desempenho diminui, a menos que sejam combinados com sensores como LiDAR ou radar.
• Riscos de privacidade: Os sistemas de navegação que utilizam câmaras podem captar pessoas e propriedade privada sem consentimento. Isto levanta problemas de privacidade que devem ser cuidadosamente abordados durante o desenvolvimento e a implementação.

Principais conclusões#

A visão computacional está a reinventar a navegação, tornando os mapas mais dinâmicos, os sistemas de trânsito mais inteligentes e a mobilidade mais acessível. As rotas que antes eram estáticas são agora experiências interativas em tempo real, impulsionadas por pré-visualizações 3D imersivas, orientações guiadas por AR e tecnologias de transporte autónomo.

À medida que a tecnologia avança, é provável que o foco passe para tornar estes sistemas mais inclusivos, adaptáveis e responsáveis. O progresso contínuo dependerá da melhoria da precisão em ambientes diversificados, da manutenção de um desempenho fiável e da proteção da privacidade dos utilizadores. O futuro da visão computacional na navegação reside na criação de soluções que não sejam apenas inteligentes, mas também ponderadas na sua conceção e impacto.

Junta-te à nossa comunidade em crescimento! Explora o nosso repositório do GitHub para aprenderes sobre AI e consulta as nossas opções de licenciamento para começares os teus projetos de AI de visão. Tens interesse em inovações como AI no retalho e visão computacional na agricultura? Visita as nossas páginas de soluções para descobrires mais!