电源设计技术信息网站

订阅电子杂志   English   繁體中文   日本語   한국어

下载中心

这篇文章来源于DevicePlus.com英语网站的翻译稿。

driver assist

©Brain4Cars

想象一下,当您正驾驶着汽车行驶在一个陌生的地方的公路上,突然意识到目的地就在右手边,迅速右转,然后砰!您撞上了一个正在骑行的人。

在过去十年中各种驾驶辅助技术的兴起使人们能够更加安全、轻松地驾驶。由康奈尔大学和斯坦福大学的科学家开发的Brain4Car,用深度学习的方法了解和监控驾驶员的行为,从而在类似上述糟糕的情况发生之前向他们发出提醒。深度学习或深度机器学习,指的是由多个层次组成的人工神经网络,用于对数据集之间的复杂关系进行建模。该项目的目标是及时预测驾驶员的动作,以防止撞车之类危险的发生。

据斯坦福大学博士生兼项目负责人Ashesh Jain称,他们的着重点在于为汽车配备尽可能多的传感器来对驾驶员进行监控。通过这种方式,预测系统可以学习并提前了解您在驾驶的时候会做什么。

Ashesh的团队在两个月内收集了10位驾驶员的视频片段。一个完整的数据集包括在高速公路和本地街道等不同场景地中拍摄的200万个视频帧。驾驶员共驾驶了1180英里,并且通过使用车内驾驶员和车前道路的视频、车辆动态、全球定位系统(GPS)和街道地图进行系统开发。

Brain4Car的最新版本能够帮助驾驶员在其进行操纵前的3.5秒内对操纵动作作出实时预测,且精度为90.5%。通过改编基于递归神经网络的传感器融合(不同传感器数据的集合),并结合驾驶员3D头部姿势(驾驶员位置和方向的结合),使驾驶员行为的预测准确性从去年的80%提高到今年的90.5%。

该系统的效果令人惊喜,但是仍有其局限性。目前,它只能预测五种操纵:左转,右转,变更左车道,变更右车道,直线行驶。高级驾驶辅助系统(ADAS)的项目仍在进行中。在另一项研究中,卡内基梅隆大学人机交互研究所的研究人员从15位驾驶员那里收集了数据,包括车辆的运动、交通状况以及驾驶员的生理反应等,以开发一种可以在行驶中进行调解干扰的系统。该系统可以提醒驾驶员对不断变化的驾驶环境作出相应的反应。

Yulhane-Jerez Koh
Yulhane-Jerez Koh

Yulhane毕业于加州大学伯克利分校,是一名生物力学工程师,也是DevicePlus的执行编辑。Yulhane对集群机器人技术、机器学习以及神经科学领域具有浓厚的兴趣。

分享到社交媒体