该系统的成本至少可降低五倍，并能让电动汽车在任何天气条件下快速准确地在太空中导航，其能耗将降低18%。
南乌拉尔国立大学的科学家成功将机器视觉系统和电动交通自动化控制系统集成到一个系统中，这不仅提高了交通安全性，还优化了电动汽车的能源利用。
研究人员利用Matlab Simulink程序和卷积神经网络，开发了一种有效的数学模型和算法，用于分析光敏传感器传输的图像，从而确定物体在周围空间中的方位。
基于该机器视觉系统，他们还创建了用于电动无人驾驶汽车原型控制系统的数学模型和算法。通过优化处理流程，科学家将交通运输的能耗降低了18.7%。值得注意的是，最终模型表现出高可靠性，并满足电动汽车能效的所有要求。
“我们为一辆电动赛车创建了一个示例控制系统，并进行了功能测试，以检验其在各种场景下的性能：自适应速度控制，计算碰撞前的时间，做出刹车或绕过障碍物的决策，”南乌拉尔国立大学机电一体化与机器人技术系硕士生、开发人员阿特姆·劳尔说道。“我们的项目采用一种混合方法，可以连续、无阻碍地规划汽车的轨迹，从而确保汽车能够找到自己的方向。我们创建的数学模型成功通过了标准合规性测试，证明了其性能，并具有进一步开发的前景。”
新控制系统的优势之一是其成本，由于使用了摄像头，在保持测距功能的同时，由于无需使用价格高达20万至数百万卢布的昂贵激光测距仪（激光雷达），其成本至少降低了5倍。
车里雅宾斯克开发人员的系统也因其基于焦点视觉原理的工作原理而脱颖而出，该原理允许以高分辨率（类似于人类的定向凝视）处理观察物体周围的狭窄区域——这可以降低系统计算能力的负载并提高信息处理速度。
除了GPS之外，通过处理来自摄像头的信息，可以实现物体在空间中的最精确定位。这种方法使研究人员能够最大限度地减少电动汽车空间位置的误差。
在改进项目的过程中，研究人员正在通过增加训练样本以及引入先进的数据扩展方法来提高物体识别的准确性。
获得项目实施资助将使研究人员能够继续开发测试版（产品的初步版本），以便在各种道路场景和气候条件下在真实的无人驾驶汽车原型上对系统进行全面测试。
车里雅宾斯克科学家的这个项目在自动驾驶交通和智能交通系统领域具有商业潜力。该项目的实施将引起电动汽车和专用设备制造商、城市基础设施项目经理以及专业赛车系列的关注。