您好,欢迎光临2020中国自动驾驶测试验证技术创新论坛!

SwRI研发增强的运动预测算法提高了自动车辆的安全性

发布日期:2020-04-07

GRCC 自动驾驶测试验证技术创新论坛 今天 

手机阅读

西南研究院(SwRI)是美国**的机器学习技术创新者之一,已开发出一种运动预测系统,该系统可增强自动驾驶汽车的行人检测能力和先进的驾驶员辅助系统(ADAS)。



在过去的十年中,美国道路上的行人死亡人数增加了50%以上,总督高速公路安全协会的**分析估计,2019年行人死亡总数为6,590,比2018年增加了5%。最近发生的涉及自动驾驶汽车的事故 还提高了对行人和其他移动障碍物的检测能力的呼吁。SwRI的新型计算机视觉工具使用新颖的深度学习算法,通过观察实时生物力学运动来预测运动,而骨盆区域是变化的关键指标。尽管以前的技术可以跟踪和预测直线运动,但它们无法预测突然的变化。



运动预测通常使用“光流”算法来根据横向运动预测方向和速度。光流是计算机视觉的一种,将算法与相机配对以跟踪动态对象。但是,当人们朝意想不到的方向移动时,光流的精度会降低。为了提高准确性,SwRI研究团队将光流与其他深度学习方法进行了比较,包括时间卷积网络(TCN)和长短期记忆(LSTM)。在测试了几种配置之后,研究人员优化了一种新型TCN,该TCN的性能优于竞争算法,可在几毫秒内以很高的精度预测运动的突然变化。


时间设计使用卷积神经网络来处理视频数据。SwRI的新颖方法可优化网络层的扩展,从而在更高级别上学习和预测趋势。膨胀卷积是存储和访问视频数据以进行空间观察的结构。人们在行人和骑自行车的人附近驾驶时会汲取经验和推理。SwRI的研究是自动驾驶系统做出反应的第一步,就像人类驾驶员一样。该研究小组利用了SwRI的无标记运动捕捉系统,该系统可自动进行体育科学中的生物力学分析。该系统使用相机视觉和感知算法,可提供有关运动学和关节运动的深刻见解。



该项目的应用程序名为“稀疏骨骼特征的运动预测”,包括ADAS增强功能,自动车辆和制造机器人。该算法可与各种基于相机的系统一起使用,并且数据集也可用于SwRI客户端。SwRI的数据科学家以协作的团队合作解决了多个行业的问题,他们严格的机器学习系统设计方法促成了交通事故自动检测的创新。


SwRI应用感测部经理Douglas Brooks博士说:“如果看到行人,我们可能会准备放慢速度或改变行车线,以防有人过马路。” “我们认为这是理所当然的,但是对于计算机而言,处理这一场景并预测情景非常复杂。”


负责内部资助项目的高级SwRI研究分析师Samuel E Slocum补充说:“例如,如果行人向西走,系统可以预测该人是否会突然向南转。随着对自动驾驶汽车的推动加速,这项研究提供了一些重要的安全功能来帮助保护行人。”


在此处观看有关该技术的视频




END





点击上方蓝字关注我们


  • 电话咨询
  • 021-2230 6692
  • 15021948198
None