I recenti progressi tecnologici nella guida automatizzata e nei sistemi di assistenza alla guida hanno guidato lo sviluppo di sistemi altamente sofisticati per il riconoscimento delle immagini e l’analisi dei dati, alcuni dei quali sono basati su algoritmi di intelligenza artificiale (AI). Tali algoritmi risultano estremamente vantaggiosi in situazioni in cui risultano disponibili set costituiti da numerosi dati di riferimento per la fase di apprendimento, ma per i quali è molto difficile individuare formulazioni chiuse.
La disponibilità di database di grandi dimensioni come i database dei veicoli, le scene stradali suddivise in diverse aree semantiche, database di crash test e database di danni originariamente raccolti per scopi diversi, hanno consentito di applicare degli algoritmi di apprendimento su di essi, rendendo possibile ottenere diversi tool in grado di fornire un’ampia gamma di dati utili per ricostruire la dinamica di un sinistro stradale.
Nell’ambito dell’infortunistica stradale, le principali applicazioni pratiche di tali tecnologie, principalmente disponibili mediante l’utilizzo di software commerciali dedicati all’analisi forense dei sinistri stradali, riguardano l’uso di reti neurali convoluzionali (CNN), per la segmentazione semantica di immagini e nuvole di punti, l’elaborazione delle immagini (de-blur e superresolution), analisi video, identificazione del veicolo e analisi dei danni (stima EES).
Di seguito è riportato il link dell’articolo prodotto da Dr. Andreas Moser e da Dr. Hermann Steffan, disponibile sul sito dell’associazione EVU-Europa.
Ing. Niccolò Galeotti
Studio Ing. Galeotti 