herkenning van verkeersborden tomtom

Herkenning van verkeersborden nu mogelijk door artificiële intelligentie van TomTom

De herkenning van verkeersborden

Wegenkaarten bestaan al duizenden jaren en worden nog steeds gebruikt. Tegelijk is het nodig dat deze kaarten verder worden ontwikkeld om aan de behoeftes van de vele weggebruikers te voldoen. Dit is deels te wijten aan de evolutie van deze kaarten waarvan de details steeds verfijnd worden. Kennis van geometrie in combinatie met hoe de straat eruit ziet, is niet langer voldoende om te voldoen aan wat de hedendaagse automobilist nodig heeft om feilloos langs de wegen te kunnen rijden.





De afgelopen jaren werden steeds meer gegevens toegevoegd aan wegenkaarten en plattegronden van steden. Dit gebeurt in een nooit aflatende poging om de gebruikerservaring van automobilisten voortdurend te verbeteren. Verkeersborden maken vandaag de dag een essentieel deel van een wegenkaart of plattegrond uit. Het zelfde geldt voor zebrapaden en oversteekplaatsen voor voetgangers. Verkeersborden bieden namelijk informatie die essentieel is voor automobilisten.

Welke informatie is essentieel voor automobilisten?

Hier kunnen we verschillende voorbeelden van geven. Meer dan eens is het nodig om automobilisten te waarschuwen dat ze bijna de maximumsnelheid overtreden. Dan weer komen ze gevaarlijk dichter bij een gevaarlijke bocht. Zo zijn er altijd omgevingsfactoren die het veilig rijden kunnen hinderen. Het is nodig dat er altijd kan ingespeeld worden op het volgende manoeuvre dat moet worden uitgevoerd.

Essentiële gegevens moeten vastgelegd worden.

Bijgevolg moeten ook verkeersborden vastgelegd worden in de digitale database van afbeeldingen die gebruikt worden door een GPS. Vroeger werd dit allemaal handmatig gedaan. Medewerkers van de GPS-fabrikant moesten toen met de hand alle kaarten grondig doornemen om alle verkeersborden te kunnen ontdekken en catalogiseren. Vervolgens werd laserradar geïntroduceerd in het vervaardigen van mobiele kaarten. Dit gaf Tom Tom de mogelijkheid om de herkenning van verkeersborden te automatiseren. De reflecties van de verkregen beelden konden beter gefilterd worden zodat enkel de relevante signalisatie en verkeersborden overbleven.

Catalogiseren en classificeren.

Eens alle borden en signalisatie gedetecteerd zijn, is het vervolgens nodig om deze borden en andere vormen van signalisatie te classificeren en onder te brengen in categorieën. Zo kan het type en de categorie van de verkeersborden worden bepaald. Voorbeelden van catalogiseren en classificeren zijn: het herkennen van een bord dat de maximum snelheid aangeeft en een
stopbord.

Een complex visueel procedé

Zowel het catalogiseren als het visualiseren maken deel uit van een complex visueel proces waar het menselijk brein op natuurlijke wijze aan is aangepast. Door de jaren heen classificeerden de medewerkers van Tom Tom gezamenlijk ongeveer 100 miljoen verkeersborden in zo’n 100 verschillende categorieën van verkeersborden. Zo kwam een enorme database aan verkeersborden tot stand.




Waarom leerprocessen en de werking van diepe neurale netwerken gesuperviseerd dienen te worden.

Door middel van supervisie van leerprocessen en de werking van diepe neurale netwerken, was Tom Tom in staat om door middel van artificiële intelligentie zelf een automatisch classificatiesysteem te ontwikkelen voor verkeersborden. Alle ontdekte verkeersborden kunnen momenteel automatisch geclassificeerd worden. Dit kan gebeuren op een zeer accurate manier en een zeer kleine foutmarge. Het feit dat nu bijna alles automatisch kan gebeuren, betekent niet dat de mens overbodig is geworden.

De rol van de mens

Wanneer het niet mogelijk is om bepaalde verkeersborden te classificeren, kan de mens inspringen. Zo kan het leerproces en competentie van de artificiële intelligentie verbeterd worden. Eens de verkeersborden geklasseerd werden door middel van artificiële intelligentie kunnen de gegevens gekoppeld worden aan deze van de digitale landkaart. Zo worden de juiste gegevens over de gedetecteerde verkeersborden aan de juiste lagen van de kaarten van Tom Tom gekoppeld. Dit gebeurt zowel voor de GPS en html versies van de GPS.

Steeds meer voertuigen en steeds meer gegevens

Het is geen geheim dat er elk jaar steeds meer auto’s bijkomen op onze wegen. Daarbij is het ook duidelijk dat in deze wagens steeds meer hoogtechnologische snufjes zoals sensoren worden ingebouwd. Met de explosieve toename van voertuigen die met sensoren werden uitgerust, zullen verkeersborden niet langer alleen maar herkend kunnen worden door het team van cartografen van Tom Tom, maar zal deze taak steeds meer kunnen worden overgenomen door gewone auto’s die voortdurend langs de wegen rijden.

Al maar meer verkeersborden in de database

Steeds nieuwe technieken leiden ertoe dat steeds meer gegevens kunnen worden verzameld. Dit gegeven op zich leidt ertoe dat ook de observatie van deze verkeersborden exponentieel zal stijgen. De rol die de artificiële intelligentie van Tom Tom hierin speelt zal steeds belangrijker worden. Hierbij denken we aan het snel en efficiënt produceren van deze data.

Digitale kaarten zijn sneller dan ooit tevoren up to date

Dankzij het efficiënt toepassen van artificiële intelligentie zal Tom Tom in staat zijn om altijd de beste en meest up to date versie van de bestaande digitale kaarten aan zijn klanten aan te bieden. Zo wordt autorijden niet alleen veiliger maar ook comfortabeler. Zo komt de dag steeds dichter bij dat zelfrijdende auto’s hun eigen beslissingen zullen kunnen nemen!

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *