Bizonyára sokunkat lenyűgöztek már a sofőr nélküli autók a filmvásznon, szakértők pedig évtizedek óta jósolják, hogy az önvezető járművek hamarosan elárasztják az utakat. A 2025-ös évre ez a jóslat a világ egyes részein részben már valósággá vált. Bár még nem élvezhetjük teljeskörűen, korlátozások nélkül az autonóm közlekedést, viszont számos városban működnek már olyan robottaxi szolgáltatások, amelyek a város bizonyos területein, közvetlen emberi közreműködés nélkül szállítják az utasokat.

➥ Zoox robottaxi San Franciscóban (kép forrása: Wikipedia)

Az önvezetés fejlettségi szintjét a szakma hat kategóriába sorolja a 0‑ás szinttől (nincs automatizáció) az 5‑ös (teljesen automatizált) szintig:

SAE 0 – semmi automatika: a gép nem végez vezetést, a vezető irányít.

SAE 1 – vezetőtámogatás: egy-egy funkciót vállal át a rendszer (pl. tempomat), de a sofőr folyamatosan jelen van.

SAE 2 – részleges automatizálás: egyszerre több menetfunkció (például sávtartó és tempomat) működik, ám a vezetőnek végig figyelnie kell.

SAE 3 – feltételes automatizált vezetés: a jármű bizonyos szituációkban (például sávon belüli haladás, vagy lassú forgalom) önállóan közlekedik, de a vezetőnek készen kell állnia arra, hogy a rendszer kérésére átvegye az irányítást.

SAE 4 – magas szintű automatizálás: előre meghatározott területeken emberi beavatkozás nélkül közlekedik, például kijelölt városi zónákban.

SAE 5 – teljes automatizálás: minden út- és forgalmi környezetben, teljes emberi beavatkozás nélkül közlekedik.

A legmagasabb szint kereskedelmi forgalomban még nem elérhető, jelenleg csak kutatási és fejlesztési állapotban találkozhatunk vele, viszont egyértelműen túl vagyunk már a 2-es és 3-as szinten, hiszen a vezetéstámogató rendszerek széles körben elérhetők, és léteznek már 4-es szinten működő kereskedelmi robottaxi szolgáltatások is a világ több részén. Ugyanakkor a teljes autonómia elérése még számos technológiai és biztonsági kihívást rejt magában.

Mi a kulcs az önvezető járművek további fejlődéséhez?

Az önvezető járművek működésének legkritikusabb eleme, hogy a rendszer képes legyen pontosan és megbízhatóan érzékelni a környezetét. Ezt a feladatot a különféle szenzorok – a kamerákon kívül például lézeres távérzékelő (LiDAR), ultrahangos érzékelők, GPS – együttesen látják el. Összességében ezt a képességet gépi érzékelésnek nevezzük. Ha ezen belül kifejezetten a vizuális információ feldolgozására fókuszálunk, akkor gépi látásról beszélünk. A modern szenzortechnológia fejlődésével azonban ezek a határok egyre inkább elmosódnak: például a LiDAR pontfelhőit felfoghatjuk térbeli képeknek, miközben kameraképekből is rekonstruálhatók mélységi információk. A különböző szenzorok adatai így gyakran kiegészítik egymást, és pontos környezeti modell csak ezek összehangolt feldolgozásával – az ún. szenzorfúzióval – hozható létre.

Ahogy az ember esetében is az agy legnagyobb része a látás feldolgozásával foglalkozik, úgy a gépi érzékelésen belül is a gépi látás kulcsszerepet játszik: a kamerák által szolgáltatott képek teszik lehetővé az olyan finom részletek felismerését, mint az útburkolati jelek, a közlekedési táblák, vagy a gyalogosok mozgása – vagyis mindaz, amit az emberi szem is figyelembe vesz a biztonságos vezetés során.

Ugyanakkor a gépi érzékelés nem szorítkozik az emberi látás utánzására – sőt, túl is lépheti annak korlátait. A LiDAR például lézerfény-szkenneléssel, 360°‑os lefedettséggel szolgáltat részletes távolsági információkat különböző irányokban, és rossz látási viszonyok között is – például ködben vagy esőben – megbízhatóan működik. A különféle érzékelők akár gyorsabban is reagálhatnak, és nagyobb pontossággal dolgozhatnak, mint az emberi érzékszervek – de ezek önmagukban még nem elegendőek. Az önvezetéshez nem csak az szükséges, hogy a jármű meglássa, mi van körülötte, hanem az is, hogy a látványt értelmezni tudja.

Először a nyers szenzoradatokból egységes háromdimenziós modellt kell alkotni, utána viszont a modellben szereplő geometriai alakzatok értelmezésére is képesnek kell lennie a rendszernek. Hiába érzékeli például a gép, hogy ott van egy négy oszlopon álló objektum a környezetében, ahhoz, hogy felismerje kutyaként, a kutyának szerepelnie kell a gép világmodelljében. Ahhoz pedig, hogy felismerjen egy autó mögött félig takarásban lévő vakvezető kutyát, a póráz végén egy feltételezett vak emberrel – aki adott esetben figyelmet igényel vagy éppen segítségre szorul –, már igen magas szintű értelmezésre van szükség.

Az ELTE Informatikai Kar Geometriai Látás Kutatócsoportjának tesztplatformjai

A fentiekben részletezett komplex feladatok esetében a gépnek valós időben, másodpercek tört része alatt kell értelmeznie és értékelnie a környezetét – miközben az folyamatosan változik. Az ilyen összetett feladatok kutatásához és az algoritmusok fejlesztéséhez azonban nem elegendőek a szimulációk vagy az elméleti modellek: valós környezetből származó, saját szenzoradatokra van szükség. Az ELTE Informatikai Karán évtizedes hagyományai vannak a számítógépes képfeldolgozás oktatásának és kutatásának, és az utóbbi években ennek egyik legizgalmasabb alkalmazási területévé az önvezető járművek fejlesztése vált. Ezen a területen tevékenykedik a Geometriai Látás Kutatócsoport, amely az Algoritmusok és Alkalmazásaik Tanszéken belül működik. Tagjai között egyaránt találunk kutatókat, doktoranduszokat, valamint hazai és külföldi mesterszakos hallgatókat. 

A csoport megalapításakor kifejezett cél volt, hogy olyan önvezető járművekből származó saját adatokat gyűjtsenek, amelyeket a hallgatók és kutatók egyaránt használhatnak, és tesztelhetik rajtuk saját fejlesztésű algoritmusaikat akár valós forgalmi szituációkban is. Ennek érdekében először egy autót szereltek fel modern érzékelőkkel – normál és nagylátószögű kamerákkal, LiDAR-ral, GPS-szel – saját tervezésű és 3D-nyomtatott tartószerkezetek segítségével. A fejlesztés során fontos szempont volt a modularitás és újrafelhasználhatóság, ezért olyan rugalmas szenzorplatformot alakítottak ki, amely nemcsak autóra, hanem egy kisebb távirányítható gokartra is átszerelhető. Ez lehetővé teszi, hogy különböző méretű és mozgáskarakterisztikájú járműveken is tesztelhessék algoritmusaikat.

A hallgatók számára ez a platform nemcsak oktatási eszköz, hanem valós kutatási infrastruktúra is: lehetőséget ad saját szoftverek kipróbálására, algoritmusok összehasonlítására. A kutatási-fejlesztési folyamatot teljes egészében a kutatócsoport tudja végezni: az adatgyűjtéstől kezdve az elemzésen át a rendszer finomhangolásáig. A csoport munkájában továbbá részt vesz egy tanszéki mérnök is, aki a hardver összeállítása mellett a kezelőszoftver kialakításáért is felel, valamint összegyűjti a nyers adatokat és továbbítja azokat a kutatóknak.   

A platform teljes felszerelése: 

• három normál kamera: egy előre néző (0°), és kettő ettől 15°-kal jobbra és 15°-kal balra néző;
• két halszemoptikás kamera: széles látószögüknek köszönhetően oldalirányból és az autó mögül is gyűjtenek vizuális adatot; 
• Velodyne VLP‑16 LiDAR: 16 lézersorral, függőlegesen ±15°-os tartományt pásztáz, másodpercenként 20 körbefordulással 360°‑ban mér; 
• GPS vevő: centiméteres pontosságú helyzet- és útvonalkövetés;
• gyorsulásmérő, magnetométer (érzékeny iránytű), giroszkóp;
• szinkronizáló áramkör: biztosítja, hogy a kamerák által felvett képek szinkronban legyenek, így a felvételek panorámaképpé fűzhetők; 
• energiaellátás és adatátvitel: a szenzorok egy külön akkumulátorról üzemelnek, az öt kamera és a LiDAR jeleit a nagy adatmennyiség miatt 10 gigás switch továbbítja a fedélzeti laptopra.

A fenti szenzorkészletet könnyen átszerelhetőre tervezték: a 3D nyomtatott tartóvázaknak köszönhetően percek alatt átszerelhető egy másik járműre, vagy a kutatócsoport által átalakított távirányítású gokartra is. A gokart kormányzását, motorját és fékrendszerét is alkalmassá tették távvezérlésre, így forgalmi környezettől vagy a sofőr jelenlététől függetlenül végezhetnek vele szenzoros kísérleteket. A használt autóval igazi, változatos forgalmi helyzeteket lehet rögzíteni, míg a távirányítható gokarton egyéb kísérleti forgatókönyveket (pl. váratlan akadályok, különféle sebességprofilok) ismételhetnek, anélkül, hogy emberi sofőr bevonására lenne szükség. A gyors és egyszerű átszerelhetőségnek köszönhetően mindkét környezetben ugyanazokkal a hardverelemekkel lehet dolgozni, így az algoritmusok összehasonlíthatók, egységes adatbázison tanulhatnak és tesztelhetnek a kutatók.

Ebben a részben bemutattuk, milyen szenzorokkal és milyen módon gyűjtik a háromdimenziós adatokat a gépi látás kutatói járművek esetében. A következő cikkünkben elmerülünk abban, hogyan lehet a szenzorokat kalibrálni és az adatokat összeilleszteni. Például kamera- és LiDAR-koordinátákat egy közös térbe hozni, hogy a gép fel tudja építeni a maga háromdimenziós világmodelljét a környezetről. Ne hagyd ki a következő írást sem!

Cikksorozatunk további részei elérhetők „A gépi érzékelés csodája. A szenzorok és ami mögöttük van.” című tudománykommunikációs program honlapjáról.