New-Tech Magazine | May 2018 | Special Edition - New-Tech 2018 Exhibition

« ד"ר עומר כורך' פיזיקאי, מתכנת, מתכנן אופטי ומהנדס מערכת בחברת מפרולייט במקרה זה הוא פשוט ההפרש בין שתי ) משתי המצלמות. כדי pixelwise התמונות ( לאפשר למצלמות רגישות שונה לפנס מאשר לרעש, יש להוסיף על גבי הפנס מקטב, או פילטר ספקטרלי, או לאפנן את הארת הפנס בזמן. בהתאמה, יש להוסיף למודול המצלמות מקטבים (בקיטוב שונה לכל מצלמה), או פילטר ספקטרלי, או לאפנן את זמן חשיפתן לאור. לסיכום ניתן לשדרג בעלות צנועה את המצלמות וההארה ברכבים אוטונומיים, כך שהמידע הגולמי יהיה עשיר יותר באינפורמציה שתקל בהמשך שלבי העיבוד על מציאת אובייקטים ומרחקם. במקרה דנן, האופטימיזציה של מערכת הראייה הממוחשבת מניבה תוצאות שלא היו מתקבלות מאופטימיזציה של כל מכלול (אלקטרו-אופטיקה ועיבוד תמונה) בנפרד. ביבליוגרפיה [1] Lin, H.W., Tegmark, M. & Rolnick, D. “Why Does Deep and Cheap Learning Work So Well?” , J Stat Phys (2017) 168: 1223 הכותב מבקש להודות לחברת מפרולייט על תמיכתה ולד"ר גיא קוליצקי וניוטון חיפוש פטנטים על הסיוע בסקר הספרותי.

1 איור

«

פילטר בצורת . (ליתר דיוק הנגזרת המרחבית של הפילטר צריכה להיות בצורת , אבל ממילא הפילטרים המיטביים יימצאו בתהליך כך convolutional neural network האימון של שהפרטים האלה לא חשובים). לאחר שנמצאו זוגות מתאימים של דמות דמות הצל, קל (מבחינת סיבוכיות) + האובייקט למצוא את נקודת המפגש שלהם במישור הדמות הדו-מימדי (חיתוך שני קווים במישור). עבור נקודת המפגש, המיפוי מהמרחב הדו-מימדי של מישור הדמות לעולם התלת מימדי הוא חד-חד ערכי, כי ידוע שנקודת המפגש של אובייקט עם הצל שלו נמצאת על פני הכביש, וגובה המצלמה ביחס לכביש גם ידוע. כל שנדרש לחשב הוא את החיתוך של מישור הכביש עם הקרן שמתחילה בנקודת החיתוך במישור הדמות ועוברת דרך מרכז עדשת המצלמה. אותו חישוב תקף ללא שינוי גם עבור אובייקטים שלא נוגעים בכביש, כי נקודת המפגש של המשך קו המתאר של האובייקט עם המשך קו המתאר של הצל שלו, גם נמצאת על פני הכביש. מן הסתם, אגב חישוב הקורדינטות של נקודת המפגש, המרחק של האובייקט התקבל. ראוי לציין שבאופן עקרוני ניתן למצוא את מרחק האובייקט גם בלי הצל. לראייה, כך נוהגים אנשים (תרתי משמע). אך הורדת הסיבוכיות של הבעיה צפויה לאפשר לאתר

אובייקטים ומרחקם באמצעות רשת ניורונים יותר קומפקטית מבלי לפגוע בביצועים. ככלל, ככל שהמידע קבור תחת יותר שכבות מידע, נדרשת רשת יותר עמוקה ועשירה .]1[ בניורונים כדי לחלץ את המידע רכיבי המערכת לצורך ההסבר שלעיל הנחתי שמקור האור היחיד (להלן "הפנס") נמצא במקום קבוע וידוע ביחס למצלמה, בעוד שבמציאות יש עוד מקורות אור (להלן "רעש"). כדי להגביר את הרגישות לאור הפנס ביחס לרגישות לרעש צריך לשלב אמצעים אלקטרו-אופטיים עם עיבוד תמונה בסיסי משלים. למשל, אפשר לעצב את האופטיקה של הפנס כך שהאור שיבקע ממנו יתאפיין בתביעת אצבע מרחבית כגון מחזוריות או פסים אופקיים. עיבוד התמונה המשלים במקרה זה יכול להיות קונבולוציה עם פילטר בגיאומטריה שתואמת את אור הפנס, ולאחריה החסרת התמונה המקורית מהתמונה שעברה קונבולוציה. גישה אלקטרו-אופטית אחרת עושה שימוש בשתי מצלמות שצופות באותו שדה ראייה (למשל על ידי מפצל אלומה). על המצלמות להיות שונות ברגישותן לפנס אך דומות ברגישותן לרעש. עיבוד התמונה המשלים

www.data-jce.com sales@data-jce.com | 050-7800186 שי שריקר

37 l New-Tech Magazine