Khám phá thị giác máy tính trong các ứng dụng điều hướng

Ngày nay, việc lấy điện thoại ra, nhập điểm đến và làm theo hướng dẫn từng bước để đến nơi trở nên vô cùng dễ dàng. Đó là việc chỉ mất vài giây. Nhưng sự tiện lợi hằng ngày này là kết quả của nhiều năm tiến bộ công nghệ. Điều hướng đã tiến một chặng đường dài, từ bản đồ giấy và la bàn đến các hệ thống thông minh có thể hiểu và phản ứng với thế giới trong thời gian thực.

Một trong những công nghệ đứng sau sự thay đổi này là computer vision, một nhánh của trí tuệ nhân tạo (AI) cho phép máy móc diễn giải thông tin trực quan giống như con người. Các công cụ định hình đường đi tiên tiến hiện nay sử dụng hình ảnh thời gian thực từ vệ tinh, camera hành trình và các cảm biến trên đường phố để cải thiện độ chính xác của bản đồ, giám sát điều kiện đường sá và hướng dẫn người dùng qua các môi trường phức tạp.

Trong bài viết này, chúng tôi sẽ khám phá cách computer vision đang nâng cao công nghệ điều hướng bằng cách cải thiện bản đồ GPS, cung cấp cập nhật giao thông thời gian thực và hỗ trợ các công nghệ như điều hướng thực tế tăng cường và xe tự hành.

Các hệ thống điều hướng AI với bản đồ 3D sống động#

Việc sử dụng các công cụ như Google Maps để định hướng trong đời sống hàng ngày đã trở nên rất phổ biến, dù bạn đang di chuyển ngang qua thành phố hay tìm kiếm một quán cà phê gần đó. Khi các công nghệ AI ngày càng được áp dụng rộng rãi, chúng ta đang chứng kiến những tính năng ngày càng tiên tiến như Immersive View, được giới thiệu vào năm 2023 bởi Google Maps, cho phép người dùng xem trước các phần của hành trình trong môi trường 3D. Điều này có được nhờ sự kết hợp giữa AI, quang trắc học và computer vision.

Fig 1. Chế độ Immersive View của Google Maps.

Tất cả bắt đầu với hàng tỷ hình ảnh độ phân giải cao được chụp bởi một loạt thiết bị chuyên dụng. Điều này bao gồm xe Street View, các phương tiện được trang bị camera 360 độ chạy quanh các thành phố và thiết bị Trekker, những chiếc ba lô đeo có gắn camera được sử dụng để chụp hình ảnh ở những nơi phương tiện không thể tiếp cận, như đường mòn đi bộ hoặc các con hẻm nhỏ.

Những hình ảnh này được căn chỉnh với dữ liệu bản đồ bằng cách sử dụng kỹ thuật quang trắc, một kỹ thuật ghép các ảnh 2D được chụp từ các góc độ khác nhau lại với nhau để tạo ra các mô hình 3D chính xác về đường phố, tòa nhà và địa hình.

Computer vision sau đó được sử dụng để phân tích các mô hình này thông qua việc phát hiện đối tượng và image segmentation nhằm nhận diện và dán nhãn các đặc điểm quan trọng như biển báo giao thông, vỉa hè, vạch qua đường và lối vào tòa nhà.

Fig 2. Immersive View sử dụng kỹ thuật phân đoạn để tách các đối tượng trên đường phố.

Dữ liệu đã dán nhãn được sử dụng để huấn luyện các hệ thống AI nhận biết cách các tín hiệu thị giác khác nhau giữa các khu vực. Ví dụ, hệ thống có thể dễ dàng phân biệt giữa biển báo "SLOW" (CHẬM) ở Hoa Kỳ, thường là hình thoi màu vàng hoặc cam, và một biển báo tương tự ở Nhật Bản, thường là hình tam giác màu đỏ và trắng. Mức độ hiểu biết này làm cho trải nghiệm điều hướng trở nên chính xác hơn và nhận thức văn hóa tốt hơn.

Cuối cùng, Immersive View phủ các lộ trình điều hướng trực tiếp lên môi trường 3D, mang lại trải nghiệm mượt mà, trực quan hiển thị chính xác vị trí bạn đang hướng tới.

Thực tế tăng cường trong các giải pháp điều hướng#

Chắc hẳn tất cả chúng ta đều từng trải qua cảm giác quay vòng vòng và cố gắng tìm xem Google Maps đang hướng dẫn chúng ta về phía nào. Sự bối rối đó chính là điều mà công nghệ điều hướng augmented reality (AR), công nghệ phủ thông tin kỹ thuật số lên chế độ xem camera ngoài đời thực, hướng tới giải quyết. Nó đang thay đổi cách mọi người tìm đường ở những nơi đông đúc như đường phố thành phố hoặc các khu vực trong nhà lớn.

Bản đồ thông thường có thể khó theo dõi, đặc biệt là khi tín hiệu GPS yếu hoặc không hoạt động tốt. Điều hướng AR giải quyết vấn đề này bằng cách hiển thị các chỉ dẫn kỹ thuật số, mũi tên và nhãn ngay trên chế độ xem camera trực tiếp của thế giới thực. Điều này có nghĩa là người dùng thấy các hướng dẫn khớp với đường phố và các tòa nhà xung quanh họ, giúp việc biết phải đi đâu trở nên dễ dàng hơn nhiều.

Cách thực tế tăng cường được sử dụng trong điều hướng#

Điều hướng AR dựa vào các computer vision models để hiểu rõ môi trường thông qua camera của thiết bị. Quá trình này liên quan đến nhiều tác vụ khác nhau như định vị hình ảnh, phát hiện các đặc điểm như góc tòa nhà hoặc biển báo đường phố và khớp chúng với bản đồ đã lưu. Định vị và lập bản đồ đồng thời (SLAM) tạo ra bản đồ của môi trường trong khi theo dõi vị trí của thiết bị trong thời gian thực.

Ví dụ, Zurich Airport là đơn vị đầu tiên triển khai tính năng Live View của Google Maps để điều hướng trong nhà. Hành khách có thể sử dụng camera điện thoại để xem các mũi tên và chỉ đường được phủ lên môi trường thực tế, hướng dẫn họ qua các nhà ga để đến cổng lên máyบิน, cửa hàng và các dịch vụ. Điều này nâng cao trải nghiệm của hành khách bằng cách giúp việc điều hướng trong không gian trong nhà phức tạp trở nên dễ dàng hơn.

Fig 3. Zurich Airport đang sử dụng computer vision và AR để hướng dẫn hành khách ở trong nhà.

Tăng cường an toàn giao thông đường bộ với các hệ thống điều hướng AI#

Đường phố thành phố ngày càng trở nên đông đúc hơn mỗi ngày. Với lượng xe cộ trên đường nhiều hơn, vỉa hè chật cứng và hoạt động liên tục, việc giữ cho giao thông lưu thông trôi chảy và an toàn là một thách thức ngày càng lớn. Để giúp quản lý sự hỗn loạn này, nhiều thành phố đang chuyển sang sử dụng AI và thị giác máy tính.

Smart cameras và các cảm biến được lắp đặt tại các giao lộ và dọc theo các con đường thu thập một luồng dữ liệu trực quan liên tục. Đoạn phim đó được xử lý trong thời gian thực để phát hiện tai nạn, giám sát lưu lượng giao thông, phát hiện ổ gà và bắt các hành vi vi phạm như đỗ xe trái phép hoặc hành vi đi bộ nguy hiểm.

Một ví dụ thú vị về điều này là Smart Airport Expressway ở Hàng Châu, Trung Quốc. Tuyến đường cao tốc dài 20 km này, nối trung tâm Hàng Châu với Sân bay Quốc tế Tiêu Sơn, đã được nâng cấp bằng camera độ phân giải cao và radar sóng milimet. Các thiết bị này liên tục thu thập dữ liệu video và cảm biến, sau đó được phân tích bằng computer vision.

Thay vì chỉ ghi lại các đoạn phim, hệ thống diễn giải những gì đang xảy ra trên đường. Các thuật toán thị giác máy tính phát hiện va chạm xe cộ, nhận diện các vi phạm giao thông và thậm chí xác định người đi bộ hoặc chuyển động bất thường gần lối ra đường cao tốc. Điều này cho phép các quan chức giao thông phản ứng với các sự cố chỉ trong vài giây mà không cần phải có mặt trực tiếp tại hiện trường.

Dữ liệu cũng được đưa vào một bản sao kỹ thuật số (digital twin): một mô hình ảo 3D trực tiếp của đường cao tốc hiển thị các điều kiện giao thông thời gian thực, chi tiết phương tiện và tình trạng tắc nghẽn mới phát sinh. Các cảnh sát giao thông theo dõi giao diện trực quan này để quản lý luồng giao thông, phát đi các cảnh báo thông minh và phản ứng với các sự cố một cách nhanh chóng và chính xác.

Khả năng di chuyển tự động được kích hoạt bởi thị giác máy tính trong điều hướng#

Công nghệ điều hướng ngày nay vượt xa việc chỉ di chuyển từ điểm A đến điểm B. Nó giờ đây là một phần quan trọng của các hệ thống thông minh chịu trách nhiệm di chuyển con người, quản lý hàng hóa và đưa ra quyết định thời gian thực - cho dù là trên đường phố hay bên trong các warehouses.

Trọng tâm của nhiều hệ thống này là thị giác máy tính, cho phép máy móc diễn giải dữ liệu hình ảnh và phản ứng ngay lập tức với môi trường xung quanh chúng. Hãy cùng xem qua một số ví dụ để thấy công nghệ này đang biến đổi việc điều hướng trong các môi trường khác nhau như thế nào.

Robot kho hàng điều hướng bằng thị giác máy tính#

Robots đang trở nên thiết yếu đối với tương lai của ngành logistics, đặc biệt là trong các hoạt động kho hàng quy mô lớn. Khi nhu cầu thương mại điện tử tăng lên, các công ty ngày càng dựa vào các cỗ máy được hỗ trợ bởi computer vision để điều hướng qua các môi trường phức tạp, phân loại mặt hàng và quản lý hàng tồn kho với tốc độ và độ chính xác cao.

Lấy ví dụ như Amazon’s fulfillment centers, nơi hơn 750.000 robot làm việc cùng với con người để duy trì hoạt động hiệu quả. Những robot này phụ thuộc rất nhiều vào computer vision để di chuyển trên các sàn kho bận rộn, nhận diện mặt hàng và đưa ra quyết định nhanh chóng, chính xác.

Một trong những hệ thống như vậy là Sequoia, một nền tảng robot được thiết kế để tăng tốc độ xử lý hàng tồn kho. Nó sử dụng thị giác máy tính tiên tiến để quét, đếm và tổ chức các sản phẩm sắp nhập kho, giúp hợp lý hóa các quy trình lưu trữ và truy xuất.

Tương tự, Vulcan, một cánh tay robot, sử dụng camera và phân tích hình ảnh để lấy các mặt hàng một cách an toàn từ kệ, điều chỉnh độ bám dựa trên hình dạng và vị trí của từng đối tượng và thậm chí nhận ra khi nào cần sự hỗ trợ của con người. Trong khi đó, Cardinal, một robot khác có tích hợp thị giác, chuyên về phân loại: nó quét các đống gói hàng hỗn hợp và đặt chúng một cách chính xác vào đúng các xe đẩy vận chuyển đi.

Fig 4. Cardinal đang nhấc các kiện hàng lên một cách chính xác từ một đống hàng.

Thị giác máy tính trong điều hướng xe tự lái#

Cho đến nay, chúng ta đã thấy computer vision giúp cả con người và robot định hướng trong môi trường của họ như thế nào. Nhưng công nghệ này cũng quan trọng không kém đối với các hệ thống tự động, chẳng hạn như self-driving cars, nơi việc điều hướng phụ thuộc hoàn toàn vào những gì phương tiện có thể nhìn thấy và hiểu được trong thời gian thực.

Một ví dụ điển hình là Tesla Vision system. Tesla đã áp dụng phương pháp chỉ dùng camera cho tính năng lái tự động, loại bỏ radar và các cảm biến khác để chuyển sang mạng lưới camera cung cấp tầm nhìn toàn cảnh 360 độ xung quanh xe. Các camera này cung cấp dữ liệu hình ảnh cho máy tính Full Self-Driving (FSD), sử dụng mạng neural sâu để diễn giải môi trường và đưa ra các quyết định lái xe trong tích tắc.

Dựa trên những gì nó nhìn thấy, hệ thống quyết định khi nào cần đánh lái, tăng tốc, phanh hoặc chuyển làn - giống như một người lái xe con người, nhưng hoàn toàn thông qua đầu vào hình ảnh. Tesla liên tục cải thiện hệ thống này bằng cách thu thập và học hỏi từ lượng lớn dữ liệu lái xe thực tế trên toàn bộ đội xe của mình.

Hình 5. Tesla sử dụng thị giác máy tính để điều hướng an toàn và tự động (Nguồn: Tesla).

Ưu điểm và nhược điểm của thị giác máy tính trong điều hướng#

Dưới đây là một số ưu điểm chính của việc sử dụng thị giác máy tính trong điều hướng, đặc biệt là trong các hệ thống nơi độ chính xác, an toàn và ra quyết định thời gian thực là điều cần thiết:

• Giảm tiêu thụ nhiên liệu: Bằng cách giúp người lái tránh ùn tắc giao thông và các tuyến đường dừng đỗ liên tục, thị giác máy tính có thể giảm mức tiêu thụ nhiên liệu tổng thể và thời gian di chuyển, giúp các chuyến đi hằng ngày hiệu quả hơn.
• Phát hiện độ mòn đường sá và các vấn đề về cơ sở hạ tầng: Các Vision-based solutions có thể quét tìm ổ gà, vạch kẻ đường bị phai mờ, biển báo bị hỏng và cơ sở hạ tầng bị hư hại, cung cấp cho các nhóm bảo trì dữ liệu đáng tin cậy theo thời gian thực.
• Tích hợp liền mạch với các công cụ AI khác: Thị giác máy tính có thể được kết hợp với trợ lý giọng nói, các mô hình dự đoán hành vi hoặc các thuật toán tối ưu hóa tuyến đường để tạo ra một trải nghiệm điều hướng thông minh và cá nhân hóa cao.

Mặc dù thị giác máy tính mang lại nhiều lợi ích cho việc điều hướng, nó cũng đi kèm với một vài hạn chế quan trọng cần xem xét khi triển khai các giải pháp như vậy. Dưới đây là một số thách thức chính cần ghi nhớ:

• Thiếu khả năng tổng quát hóa: Các mô hình được huấn luyện trên các môi trường hoặc kịch bản cụ thể thường gặp khó khăn khi được triển khai trong các bối cảnh mới hoặc đang thay đổi mà không cần huấn luyện lại.
• Hạn chế về ánh sáng: Các hệ thống thị giác dựa vào điều kiện ánh sáng tốt và thời tiết trong xanh để hoạt động tốt. Trong sương mù, mưa lớn hoặc bóng tối, hiệu suất của chúng sẽ giảm trừ khi được kết hợp với các cảm biến như LiDAR hoặc radar.
• Privacy risks: Các hệ thống điều hướng sử dụng camera có thể ghi lại hình ảnh con người và tài sản riêng tư mà không có sự đồng thuận. Điều này làm dấy lên các vấn đề về quyền riêng tư cần phải được giải quyết cẩn thận trong quá trình phát triển và triển khai.

Các điểm chính cần lưu ý#

Thị giác máy tính đang tái tạo việc điều hướng bằng cách làm cho bản đồ trở nên năng động hơn, hệ thống giao thông thông minh hơn và khả năng di chuyển dễ tiếp cận hơn. Những gì từng là các tuyến đường tĩnh giờ đây là các trải nghiệm tương tác thời gian thực - được hỗ trợ bởi các bản xem trước 3D sống động, chỉ dẫn bằng AR và các công nghệ vận tải tự hành.

Khi công nghệ tiến bộ, có khả năng trọng tâm sẽ chuyển sang việc làm cho các hệ thống này trở nên hòa nhập, thích ứng và có trách nhiệm hơn. Sự tiến bộ liên tục sẽ phụ thuộc vào việc cải thiện độ chính xác trên các môi trường đa dạng, duy trì hiệu suất đáng tin cậy và bảo vệ quyền riêng tư của người dùng. Tương lai của thị giác máy tính trong điều hướng nằm ở việc xây dựng các giải pháp không chỉ thông minh mà còn chu đáo trong thiết kế và tác động của chúng.

Hãy tham gia community đang phát triển của chúng tôi! Khám phá GitHub repository của chúng tôi để tìm hiểu về AI, và xem qua các licensing options để bắt đầu các dự án vision AI của bạn. Bạn quan tâm đến các đổi mới như AI in retail và computer vision in agriculture? Hãy truy cập các trang giải pháp của chúng tôi để khám phá thêm!