كيف تعزز تقنية LiDAR سلامة السيارات ذاتية القيادة الحديثة

مقالات ذات صلة

فولفو EX90 ستتأخر حتى منتصف عام 2024 لصعوبة دمج تقنيات السلامة LiDAR

شركات: لم نتوقع صعوبة تقنية القيادة الذاتية في السيارات

سوبارو تطور تقنيات في سياراتها تعزز من سلامة راكبي الدراجات الهوائية

تُعدّ تقنية LiDAR واحدة من أهم التقنيات التي تمكّن المركبات ذاتية القيادة من فهم محيطها بدقة عالية واتخاذ قرارات آمنة في الزمن الحقيقي. ويعتمد عملها على مبدأ بسيط لكنه قوي: إرسال نبضات ليزر واستقبال انعكاسها لقياس المسافات بدقة ثم تحويل هذه القراءات إلى نموذج ثلاثي الأبعاد للبيئة المحيطة. وبفضل هذه القدرة، تستطيع السيارة أن تميّز بين المسار والعوائق والمشاة والمركبات الأخرى، حتى في البيئات المعقدة التي تتغير باستمرار. ومع تزايد الاعتماد على أنظمة مساعدة السائق ورفع مستويات الأتمتة، أصبح LiDAR حجر أساس في سلاسل إدراك البيئة (Perception) التي تدعم التخطيط واتخاذ القرار.

من الناحية التقنية، تُنتج أجهزة LiDAR "سحابة نقطية" (Point Cloud) تمثل ملايين النقاط التي ترتبط بمواقع انعكاس الليزر على الأسطح المختلفة. وكل نقطة تحمل معلومات مكانية تساعد النظام على رسم شكل محيط السيارة بدقة كبيرة. ولأن هذه البيانات تُجمع على فترات زمنية متقاربة، يمكن للنظام متابعة الحركة في الشارع وتحليل تغيّر المشاهد لحظيًا. في المقال التالي سوف نتحدث عن هذا الجانب الزمني الذي يعتبر مهم جدًا لأن القيادة الذاتية ليست مجرد قراءة ثابتة للمحيط، بل عملية مستمرة لتحديث فهم البيئة ثم التفاعل الفوري مع ما يحدث حول السيارة، كما نستعرض أيضاً المزيد عن تقنية LiDAR وكيف يمكن الاستفادة منها.

لماذا LiDAR مهم للقيادة الذاتية؟

تكمن قيمة LiDAR في أنه يوفر خرائط ثلاثية الأبعاد للمحيط بدقة عالية مقارنةً بالطرق الأخرى التي قد تكتفي بمعلومات ثنائية الأبعاد أو قياسات أقل انتظامًا. عندما يرى النظام الطرق والمنحنيات والعوائق بدقة، يصبح من الممكن حساب المسافات الفعلية وتقدير أحجام الكائنات وتحليل أشكالها. كما يساعد ذلك في تحسين دقة التمييز بين الأشياء القريبة والبعيدة، وبين العوائق الثابتة مثل الحواجز والأعمدة، والعوائق المتحركة مثل المشاة والدراجات.

وعند دمج LiDAR ضمن منظومة القيادة الذاتية، غالبًا ما يتم استغلاله مع مصادر أخرى مثل الكاميرات والرادار. فبينما تمنح الكاميرات معلومات لونية وتفاصيل سياقية، ويقدّم الرادار معلومات موثوقة عن السرعات والتحرك، يضيف LiDAR بُعدًا مكانياً دقيقاً يساهم في تقليل الأخطاء وتحسين الاعتمادية. هذا الدمج (Sensor Fusion) يرفع من جودة الإدراك ويقلّل من احتمالات الارتباك في المواقف الصعبة.

كيف يعمل LiDAR عمليًا؟

يبدأ عمل LiDAR بإطلاق نبضات ليزر في اتجاهات محددة وبمعدلات عالية جدًا، ثم قياس الزمن الذي يستغرقه الضوء للعودة بعد ارتطامه بجسم أو سطح في البيئة المحيطة. ومن خلال هذا الزمن، وبالاعتماد على سرعة الضوء، يمكن حساب المسافة بدقة كبيرة حتى مع وجود عناصر متعددة على مسافات مختلفة. وبعد جمع عدد هائل من هذه القياسات عبر زوايا وارتفاعات متعددة، تتكوّن سحابة نقطية تفصيلية تمثل شكل الطريق والمركبات والمشاة والعوائق المحيطة. ثم تُستخدم هذه البيانات لبناء نموذج ثلاثي الأبعاد دقيق للمنطقة أمام السيارة، ما يساعد أنظمة القيادة الذاتية أو المساعدة على السائق في فهم البيئة، وتحديد الأجسام، وتقدير مواقعها وحركتها، واتخاذ قرارات أكثر أمانًا أثناء القيادة.

وتتفاوت أجهزة LiDAR في طريقة جمع البيانات بحسب التصميم، فقد تكون هناك أنظمة تعتمد على تباين زوايا المسح، أو أنظمة ذات خصائص تساعدها على تحقيق مجال رؤية أوسع أو مدى أطول. كما تختلف في معدلات تكرار الإطارات ودقة أخذ العينات، وهذان العاملان يؤثران مباشرة على جودة الاستجابة للحركة. فكلما كانت سحابة النقاط أكثر كثافة وتحديثًا أسرع، زادت قدرة النظام على تتبع الكائنات المتحركة بدقة أكبر، وتقليل “الفجوات” التي قد تظهر في البيانات.

فوائد LiDAR في ظروف القيادة المختلفة

تساعد طبيعة LiDAR في تقديم معلومات مكانية دقيقة حتى مع تغيّر الإضاءة وظروف الطقس بدرجات متفاوتة. صحيح أن أداء أي نظام استشعار قد يتأثر بالظروف القاسية مثل الضباب الكثيف أو المطر الشديد، لكن ميزة LiDAR أنه يعمل على أساس الضوء الليزري ويعتمد على انعكاسه، مما يجعل بياناته مفيدة جدًا لتجميع شكل البيئة. وفي كثير من السيناريوهات، تكون النتائج عملية وقابلة للاستخدام ضمن منظومة متعددة الحساسات.

ومن الفوائد المهمة أيضًا أن LiDAR يتيح تقدير أبعاد الأشياء بصورة أدق. فعوضًا عن تقدير "وجود عائق" فقط، يمكن للنظام استنتاج الحجم والارتفاع والاتجاه، وبالتالي تحسين الخوارزميات التي تتعامل مع تصنيف الكائنات وتتبعها. هذا ينعكس بشكل مباشر على السلامة لأن قرارات مثل الفرملة أو تغيير المسار تعتمد على فهم دقيق لمسافة الأمان ومسار حركة الكائنات.

كيف تُحوَّل بيانات LiDAR إلى قرارات؟

بعد جمع البيانات، تأتي مرحلة معالجة سحابة النقاط التي تعد حجر الأساس لبناء الإدراك. تتضمن هذه الخطوة عادةً إزالة الضوضاء، وتصفية النقاط غير المرغوبة، ثم تطبيق خوارزميات لاكتشاف الهياكل مثل الأرضية، والحواف، والجدران، وأجسام المركبات والمشاة. ثم تُجرى عمليات مثل تجزئة المشهد إلى أجزاء ذات معنى، واكتشاف المعالم، وأحيانًا تحويل البيانات إلى تمثيلات مناسبة لتغذية نماذج تعلم آلي.

وعلى مستوى أعلى، يتم استخدام هذه النتائج لإنتاج خرائط محلية أو تمثيلات للبيئة، والتي تدخل لاحقًا في التخطيط (Planning) والتوجيه (Control). فبدلًا من أن يعتمد النظام على تخمينات مبنية على صور فقط، يحصل على بيانات ثلاثية الأبعاد تجعل حساب المسارات أكثر واقعية. وبذلك يمكن للمركبة أن توازن بين عدة أهداف مثل تجنب الاصطدام، واستمرارية الحركة، والالتزام بحدود المسار، وملاءمة القرار للسرعة والظروف المحيطة.

الخاتمة

يمثل LiDAR جوهرًا عمليًا في بناء إدراك موثوق للمركبات ذاتية القيادة، لأنه يوفر خرائط ثلاثية الأبعاد وسحابة نقطية تُستخدم لتحديد العوائق والكائنات بدقة عالية وبشكل قابل للتحديث في الزمن الحقيقي. ومع تطور معالجات البيانات وخوارزميات الرؤية الحاسوبية والتعلّم الآلي، تتحول بيانات LiDAR من "قراءات ليزر" إلى قرارات قيادة أكثر أمانًا وكفاءة. ومع دمجه ضمن منظومة متعددة الحساسات، يصبح LiDAR عنصرًا محوريًا يساعد على الوصول إلى قيادة أكثر ذكاءً وموثوقية، سواء في التطبيقات الخاصة بالسيارات أو في مجالات الروبوتات والنقل والبيئات الصناعية التي تتطلب فهمًا دقيقًا للمساحة المحيطة.