مخطط جديد لتحديد موقع المركبات يعتمد على الجمع بين الاتصال البصري بالكاميرا والتصوير المساحي

1. المقدمة

يُعد تحديد موقع المركبات بدقة حجر الزاوية للنشر الآمن للمركبات الذاتية القيادة. في حين أن أنظمة الملاحة العالمية عبر الأقمار الصناعية مثل نظام تحديد المواقع العالمي (GPS) منتشرة في كل مكان، إلا أنها تعاني من تدهور الإشارة في الوديان الحضرية والأنفاق وتحت أوراق الأشجار الكثيفة، مما يجعلها غير موثوقة للعمليات الحرجة للمركبات الذاتية القيادة. يتناول هذا البحث هذه الفجوة من خلال اقتراح مخطط جديد وخفيف البنية التحتية لتحديد الموقع يجمع بشكل تآزري بين الاتصال البصري بالكاميرا والتصوير المساحي.

ينبع الدافع الأساسي من الإحصائيات المقلقة لوفيات حوادث الطرق، والتي تُعزى إلى حد كبير إلى التصادمات عالية السرعة. يعد تقنية القيادة الذاتية بتخفيف ذلك، لكن فعاليتها مرتبطة مباشرة بالوعي الدقيق بالموضع. تهدف الطريقة المقترحة إلى توفير طبقة تكميلية أو بديلة لتحديد الموقع تكون بسيطة وآمنة وتستفيد من الأجهزة الحالية للمركبة (المصابيح الخلفية، الكاميرات) مع الحد الأدنى من التعديل على البنية التحتية الخارجية.

1.1 الحلول الحالية، القيود، والاتجاهات الراهنة

يعتمد تحديد موقع المركبات الحالي بشكل أساسي على دمج المستشعرات: الجمع بين نظام تحديد المواقع العالمي (GPS) ووحدات القياس بالقصور الذاتي (IMUs) والليدار والرادار ورؤية الحاسوب. على الرغم من فعاليتها، غالبًا ما تكون هذه الطريقة معقدة ومكلفة. يمكن أن تكون الطرق القائمة على الرؤية البحتة كثيفة الاستخدام للحوسبة وتعتمد على الظروف الجوية. تتطلب الطرق القائمة على الاتصال مثل الاتصالات المخصصة قصيرة المدى (DSRC) أو الخلوية من مركبة إلى كل شيء (C-V2X) أجهزة راديو مخصصة وهي عرضة للتداخل اللاسلكي والتهديدات الأمنية مثل التزوير.

يتجه الاتجاه نحو أنظمة متعددة الوسائط وذات تكرار. يكمن الابتكار هنا في استخدام المصباح الخلفي للمركبة كمرسل بيانات مُعدّل (الاتصال البصري بالكاميرا) واستخدام كاميرا المركبة التالية كمستقبل، مما يخلق رابط اتصال مباشر ومرئي من مركبة إلى مركبة. ويتم تعزيز ذلك باستخدام أعمدة الإنارة الثابتة كنقاط مرجعية معروفة عبر التصوير المساحي، مما يخلق نظامًا هجينًا للمرجعية الديناميكية والثابتة.

2. مخطط تحديد الموقع المقترح

2.1 نموذج النظام وتصنيف المركبات

يقدم المخطط تصنيفًا بسيطًا وفعالاً:

• المركبة المضيفة: المركبة التي تقوم بتحديد الموقع. وهي مجهزة بكاميرا وتعالج الإشارات لتقدير مواقع الآخرين.
• المركبة الأمامية: مركبة تتحرك أمام المركبة المضيفة. تقوم بإرسال إشارة تعريف/حالة مُعدّلة عبر مصابيحها الخلفية باستخدام الاتصال البصري بالكاميرا.
• عمود الإنارة: بنية تحتية ثابتة بإحداثيات معروفة، تُستخدم كنقطة ارتكاز موضعية مطلقة لمعايرة موقع المركبة المضيفة نفسها وتقليل الخطأ التراكمي.

تخدم كاميرا المركبة المضيفة غرضًا مزدوجًا: 1) كمستقبل للاتصال البصري بالكاميرا لفك تشفير البيانات من مصباح المركبة الأمامية الخلفي، و2) كمستشعر للتصوير المساحي لقياس المسافات.

2.2 خوارزمية تحديد الموقع الأساسية

تعمل الخوارزمية في إطار نسبي قبل الربط بالإحداثيات المطلقة:

1. تحديد موقع المركبة المضيفة ذاتيًا: تستخدم المركبة المضيفة التصوير المساحي لقياس المسافة النسبية بينها وبين عمودي إنارة أو أكثر معروفين. بمقارنة التغيير في هذه المسافات أثناء تحركها، يمكنها استخدام التثليث وتحسين موقعها المطلق على الخريطة.
2. تحديد الموقع النسبي للمركبة الأمامية: في الوقت نفسه، تستخدم المركبة المضيفة التصوير المساحي لقياس المسافة النسبية إلى المركبة الأمامية من خلال تحليل الحجم (البكسل المشغول) لمصباح المركبة الأمامية الخلفي أو مظهرها الخلفي على مستشعر الصورة الخاص بها.
3. دمج البيانات والتحديد المطلق للموقع: تحتوي إشارة الاتصال البصري بالكاميرا المُعدّلة من المركبة الأمامية على مُعرّف فريد. بمجرد أن تعرف المركبة المضيفة موقعها المطلق (من أعمدة الإنارة) والمتجه النسبي الدقيق إلى المركبة الأمامية (من التصوير المساحي)، يمكنها حساب الموقع المطلق للمركبة الأمامية.

يكمن الابتكار الأساسي في مقارنة معدل التغيير في المسافة بين المركبة المضيفة وعمود الإنارة وبين المركبة المضيفة والمركبة الأمامية. يساعد هذا التحليل التفاضلي في تصفية الأخطاء المشتركة وتحسين المتانة.

3. التفاصيل التقنية والأساس الرياضي

حساب المسافة بالتصوير المساحي هو محور المخطط. المبدأ الأساسي هو أن حجم جسم معروف في مستوى الصورة يتناسب عكسيًا مع بعده عن الكاميرا.

صيغة تقدير المسافة: لجسم بارتفاع حقيقي معروف $H_{real}$ وعرض حقيقي معروف $W_{real}$، يمكن تقدير المسافة $D$ من الكاميرا باستخدام نموذج الكاميرا ذات الثقب: $$D = \frac{f \cdot H_{real}}{h_{image}} \quad \text{أو} \quad D = \frac{f \cdot W_{real}}{w_{image}}$$ حيث $f$ هو البعد البؤري للكاميرا، و $h_{image}$ و $w_{image}$ هما ارتفاع وعرض الجسم في مستشعر الصورة (بالبكسل)، معايرتين إلى وحدات فيزيائية.

تعديل الاتصال البصري بالكاميرا: يتم تعديل مصباح المركبة الأمامية الخلفي (على الأرجح مصفوفة LED) بتردد عالٍ بما يكفي ليكون غير محسوس للعين البشرية ولكن يمكن اكتشافه بواسطة كاميرا ذات مصراع متداول أو مصراع عالمي. يمكن استخدام تقنيات مثل الترميز بالتشغيل والإيقاف (OOK) أو الترميز بتحويل اللون (CSK) لتشفير معرف المركبة والبيانات الحركية الأساسية.

منطق دمج البيانات: ليكن $\Delta d_{SL}$ هو التغيير المقاس في المسافة بين المركبة المضيفة وعمود إنارة مرجعي، و $\Delta d_{FV}$ هو التغيير المقاس في المسافة بين المركبة المضيفة والمركبة الأمامية. إذا كان موقع المركبة المضيفة نفسها معروفًا تمامًا، فيجب أن تكون هذه التغييرات متوافقة مع القيود الهندسية. يتم استخدام التناقضات لتصحيح تقدير موقع المركبة الأمامية النسبي وتقدير حالة المركبة المضيفة نفسها في إطار تصفية (مثل مرشح كالمان).

4. النتائج التجريبية وتحليل الأداء

يُثبت البحث المخطط المقترح من خلال قياس المسافة التجريبي، وهي خطوة أولى حاسمة.

وصف الرسم البياني والنتيجة: بينما لا يُظهر مقتطف PDF المقدم رسومًا بيانية محددة، تنص النص على أن النتائج التجريبية "تشير إلى تحسن كبير في الأداء" وأن "قياس المسافة التجريبي أثبت الجدوى". يمكننا استنتاج مقاييس الأداء المحتملة وأنواع الرسوم البيانية:

• خطأ تقدير المسافة مقابل المسافة الحقيقية: رسم بياني خطي يظهر الخطأ المطلق بالأمتار لتقدير المسافة بالتصوير المساحي لكل من أعمدة الإنارة والمركبات الأمامية عبر نطاق (مثل 5م إلى 50م). من المتوقع أن يزداد الخطأ مع المسافة ولكن يبقى ضمن نطاق مقبول ومحدود للتطبيقات السياراتية (على الأرجح أقل من المتر في النطاقات ذات الصلة).
• دالة التوزيع التراكمي لدقة تحديد الموقع: رسم بياني يرسم الاحتمالية (المحور الصادي) أن يكون خطأ تحديد الموقع أقل من قيمة معينة (المحور السيني). يشير المنحنى الحاد الذي يتحول إلى اليسار إلى دقة عالية. ستظهر الطريقة الهجينة المقترحة (الاتصال البصري بالكاميرا + التصوير المساحي + أعمدة الإنارة) منحنى أفضل بكثير من استخدام التصوير المساحي وحده أو الاتصال البصري بالكاميرا الأساسي بدون ربط بأعمدة الإنارة.
• الأداء تحت ظروف متغيرة: رسوم بيانية شريطية تقارن مقاييس الخطأ في سيناريوهات مختلفة: النهار/الليل، الطقس الصافي/الممطر، مع/بدون بيانات مرجعية من أعمدة الإنارة. سيتم إثبات متانة المخطط من خلال الحفاظ على أداء مستقر نسبيًا، خاصة عندما تتوفر بيانات أعمدة الإنارة.

الخلاصة الرئيسية هي أن نهج الدمج يخفف من نقاط الضعف الفردية لكل مكون: يوفر الاتصال البصري بالكاميرا المعرف، ويوفر التصوير المساحي المدى النسبي، وتوفر أعمدة الإنارة نقاط ارتكاز مطلقة.

5. إطار التحليل: دراسة حالة غير برمجية

السيناريو: طريق سريع بثلاثة مسارات في الليل. المركبة المضيفة في المسار الأوسط. المركبة الأمامية 1 أمامها مباشرة في نفس المسار. المركبة الأمامية 2 في المسار الأيسر، متقدمة قليلاً. يوجد عمودا إنارة (SL1, SL2) على جانب الطريق بإحداثيات خريطة معروفة.

عملية تحديد الموقع خطوة بخطوة:

1. التهيئة: يحتوي نظام المركبة المضيفة على خريطة تحتوي على مواقع SL1 و SL2.
2. تحديد موقع المركبة المضيفة ذاتيًا: تكتشف كاميرا المركبة المضيفة SL1 و SL2. باستخدام التصوير المساحي (معرفة الأبعاد القياسية لأعمدة الإنارة)، تحسب المسافات $D_{HV-SL1}$ و $D_{HV-SL2}$. بمطابقة هذه المسافات والزوايا مع الخريطة، تحسب إحداثياتها الدقيقة $(x_{HV}, y_{HV})$.
3. اكتشاف المركبة الأمامية والاتصال: تكتشف كاميرا المركبة المضيفة مصدرين للضوء الخلفي (FV1, FV2). تقوم بفك تشفير إشارة الاتصال البصري بالكاميرا من كل منهما، للحصول على معرفات فريدة (مثل "Veh_ABC123", "Veh_XYZ789").
4. قياس المدى النسبي: لكل مركبة أمامية، يتم تطبيق التصوير المساحي على مجموعة المصابيح الخلفية الخاصة بها (حجم مصفوفة LED المعروفة) لحساب المسافة النسبية $D_{rel-FV1}$ و $D_{rel-FV2}$، وزاوية الاتجاه.
5. التحديد المطلق للموقع: تقوم المركبة المضيفة الآن بدمج موقعها المطلق $(x_{HV}, y_{HV})$ مع المتجه النسبي $(D_{rel}, \theta)$ لكل مركبة أمامية. $$(x_{FV}, y_{FV}) = (x_{HV} + D_{rel} \cdot \sin\theta, \, y_{HV} + D_{rel} \cdot \cos\theta)$$ هذا ينتج مواقع خريطة مطلقة لـ FV1 و FV2.
6. التحقق والتتبع: مع تحرك جميع المركبات، يتم مراقبة التغيير المستمر في $\Delta d_{SL}$ و $\Delta d_{FV}$. تؤدي التناقضات إلى تعديل درجة الثقة أو تحديث المرشح، مما يضمن تتبعًا سلسًا وموثوقًا.

6. التحليل النقدي والمنظور الخبير

الرؤية الأساسية: هذا البحث ليس مجرد بحث آخر عن دمج المستشعرات؛ إنه خطوة ذكية في إعادة توظيف الأجهزة. حدد المؤلفون أن المصباح الخلفي LED والكاميرا - وهما مكونان شائعان ومفروضان في المركبات الحديثة - يمكن تحويلهما إلى نظام اتصال وقياس مدى آمن ومنخفض النطاق الترددي من مركبة إلى مركبة بتحديث برمجي. هذا يخفض بشكل كبير عتبة الدخول مقارنة بنشر أجهزة راديو جديدة قائمة على الترددات الراديوية للاتصال من مركبة إلى كل شيء.

التدفق المنطقي والبراعة: المنطق دائري أنيق ومصحح ذاتيًا. تستخدم المركبة المضيفة المعالم الثابتة (أعمدة الإنارة) لتجد نفسها، ثم تستخدم نفسها للعثور على الأجسام الديناميكية (المركبات الأمامية). يوفر رابط الاتصال البصري بالكاميرا التعريف الإيجابي، مما يحل مشكلة "ربط البيانات" التي تعاني منها رؤية الحاسوب البحتة (مثل، "هل هذه نفس السيارة التي رأيتها قبل إطارين؟"). إن استخدام التصوير المساحي على مصدر ضوء معروف ومسيطر عليه (المصباح الخلفي) أكثر موثوقية من محاولة تقدير المسافة إلى شكل سيارة عام، والذي يمكن أن يختلف بشكل كبير. هذا يذكرنا بكيفية عمل AprilTags أو ArUco markers في الروبوتات - باستخدام نمط معروف لتقدير الوضع الدقيق - ولكن يتم تطبيقه ديناميكيًا في سياق مركبة.

نقاط القوة والعيوب:

• نقاط القوة: فعال من حيث التكلفة وقابل للنشر: أكبر فوز. لا توجد أجهزة جديدة للسيارات أو الطرق في أفضل سيناريو. الأمن: خط الرؤية المادي هو أمنية قوية. يحافظ على الخصوصية: يمكن تصميمه لتبادل الحد الأدنى من البيانات غير التعريفية. مستقل عن طيف الترددات الراديوية: لا يتنافس على النطاقات الترددية المزدحمة.
• العيوب والأسئلة: الحساسية البيئية: كيف يكون أداؤه في المطر الغزير أو الضباب أو الثلج الذي يبعثر الضوء؟ هل يمكن للكاميرا اكتشاف الإشارة المُعدّلة تحت ضوء الشمس الساطع أو ضد الوهج؟ تحديد المدى: للاتصال البصري بالكاميرا والتصوير المساحي القائم على الكاميرا مدى فعال محدود (على الأرجح <100م) مقارنة بالرادار أو الليدار. هذا مقبول لاكتشاف التهديدات الفورية ولكن ليس للتخطيط بعيد المدى. الاعتماد على البنية التحتية: على الرغم من أنه "خفيف البنية التحتية"، إلا أنه لا يزال يحتاج إلى أعمدة إنارة بإحداثيات معروفة للحصول على أفضل دقة. في المناطق الريفية بدون مثل هذه الأعمدة، تتدهور الدقة. الحمل الحسابي: معالجة الصور في الوقت الفعلي لمصادر ضوء متعددة والتصوير المساحي ليست أمرًا بسيطًا، على الرغم من أن التقدم في معالجات الرؤية المخصصة (مثل تلك من NVIDIA أو Mobileye) يغلق هذه الفجوة.