A Continental szegedi mérnökeinek tesztautójában ülve néztük, ahogy a kamera valós időben felismeri a tereptárgyakat

A Continental Autonomous Mobility Hungary autós bemutatóval egybekötött szakmai napjának sajtóeseményére látogattunk szerda délelőtt, ahol a vállalat azt szemléltette egy egyébként nem önvezető tesztautóval, hogy a szegedi mérnökök és informatikusok min dolgoznak épp, hogyan néz ki a gyakorlatban az általuk fejlesztett önvezető technológia.

A vezetéstámogató és automatizált járművezető megoldásokon dolgozó egységgel bővíti szoftverfejlesztési tevékenységét a Continental Szegeden, hangzott a hír még tavaly októberben. A szegedi szoftvermérnökök feladata a mesterségesintelligencia-alapú fejlesztéshez szükséges adatok előkészítése, feldolgozása, az ehhez kapcsolódó eszközök és keretrendszerek, valamint beágyazott rendszerek kidolgozása.

A Continental Autonomous Mobility Hungary szakmai napján, szerdán délelőtt ennek a tevékenységnek a bemutatóján jártunk az Art Hotelnél, ahol egy egyébként nem önjáró tesztautóval várták a sajtó munkatársait, hogy szemléltessék, miként néz ki mindez a gyakorlatban. Ez egy esti programmal volt összekötve, melyet külön, kifejezetten a cég leendő mérnökeinek szerveztek a level 3-as önvezetés bemutatására, tulajdonképpen egy állásbörze formájában.

Fotó: Bálint András / Szegeder

Nemes Csaba, a Continental Autonóm Mobilitás-üzletág szegedi csapatának felépítéséért felelős vezetője arról beszélt, hogy az önvezető autónak a vezetéstámogató rendszerek az alapjai. Ilyenek már a mai autókban szinte alapáras felszereltségek; például amikor egy jármű veszély esetén magától fékez, vagy hasonló megoldás a távolságtartó tempomat is, ez azonban még nem önvezetés. Ahogyan telik az idő, egyre több mindent vállalnak át a hús-vér vezetőtől ezek a rendszerek, a bemutatón pedig az önvezetés felé vezető útnak az egyik állomását mutatták be, hogy miként lát egy autó.

Számunkra az autókázós program az Art Hoteltől indult délelőtt, és érintette a rakpartot is, miközben Nemes Csaba ismertette a technológiát, amit egyébként nem lehetett fényképezni. Tulajdonképpen egy több részre osztott kijelzőn különböző szoftveres megoldások, a szemantikus szegmentáció és objektumdetekció zajlott valós időben a szemünk előtt. Ebből a két technológiából hoznak létre egy háromdimenziós környezeti modellt, amire a különböző automatizált járművezetői funkciók alapozhatók.

Fotó: Bálint András / Szegeder

Az objektumdetekció arra szolgál, hogy a közlekedésben fontos objektumokat egy kamera segítségével valós időben detektálják és kategorizálják annak helyzete szerint. Tehát egy téglatesttel vagy négyzettel – látószögtől föggően – megjelölte a technika, hogy éppen hol lát gyalogost, autót, teherautót, vagy motorost, illetve felismeri a közlekedési szabályokat jelző tárgyakat is. A felismerés minták és formák alapján zajlik, mely jelenleg egy egész kombi Passat csomagtartót is elfolgaló technika dolgoz fel, ám ennek méretét természetesen csökkenteni akarják, mire kereskedelmi forgalomba kerül.

A szemantikus szegmentációnál pedig nem a drága lézerszkenner segítségével zajlott a folyamat, hiszen az úgymond nem látja, mit szkennelt éppen be (mégha a mellettünk lévő bolt ajtajának kilincsét milliméter pontosan bemérné), hanem egy speciális kamera képének pixeleit azonosította be a rendszer, így például az épületeket, az eget, a padkát, járdát és a közlekedésben részt vevő járműveket is kategorizálta, az emberi szem számára különböző színekkel vizualizálva. Kivéve a trolit, de az Nemes elmondása szerint a megrendelő kérése miatt történt így.

Fotó: Bálint András / Szegeder

Ugyanis a tesztautót – amit egyébként egy dedikált sofőr vezethet csak – szinte naponta használják, hogy finomhangolják a rendszert, ahogy épp a fejlesztés zajlik. A szegedi szakember azt is elárulta, hogy valójában itt már nem ”programkódokkal” dolgoznak, hanem a valós környezetben gyűjtik az adatokat, mondhatni ”big dataként”, amit aztán ráeresztenek a mesterséges intelligenciára. Először egyébként a kamerakép alapján manuálisan jelölik ki a szakemberek az objektumokat és így tanítják a rendszert, hogy aztán később valóban biztonsággal felismerje a szükséges tárgyakat.

Ez azért előnyös, mert a régi, programkódos metódussal sokkal tovább tartott a folyamat, ráadásul annyi változó van a környezetünkben, hogy egyszerűen nem lehet felkészíteni rá a technikát, hogy az bárhol helyt álljon. Gondoljunk csak a kopott útfelfestésre, vagy az erősen fénylő napra, esőre, hóra, egyedi városi környezetre és még sorolhatnánk a szituációkat, amik bekorlátozták a korábbi technológiákat.