SwRI研发新型运动预测系统 提升自动驾驶汽车探测行人的能力

2020-04-07来源: 盖世汽车 关键字:SwRI  运动预测  自动驾驶汽车  探测

据外媒报道,机器学习技术领先创新者美国西南研究院(Southwest Research Institute,SwRI)研发了一种运动预测系统,可以提升自动驾驶汽车的行人探测能力。该计算机视觉工具利用一种新型深度学习算法,通过实时观察生物力学运动,将盆腔区域的变化作为关键指标,以预测运动。


黑科技,前瞻技术,自动驾驶,西南研究院自动驾驶,预测行人运动,自动驾驶汽车探测行人

(图片来源:西南研究院)


SwRI高级研究分析师Samuel E. Slocum表示:“例如,如果一个行人正向西走,该系统能够预测此人是否会突然朝南走。随着自动驾驶汽车不断发展,该项研究提供了几个重要的安全功能,以帮助保护行人。”


最近发生的涉及自动驾驶汽车的交通事故,要求自动驾驶汽车提高对行人和其他移动物体的探测能力。虽然以前的技术可以跟踪和预测直线运动,但是不能预测突然的变化。


运动预测通常使用“光流”算法,基于横向运动来预测运动方向和速度。光流是计算机视觉的一种,将算法与摄像头匹配,以跟踪动态物体。然而,当人们朝着意想不到的方向移动时,光流法的准确性就会下降。


为了提高准确性,SwRI将光流法与时序卷积网络(TCN)和长短期记忆网络(LSTM)等其他深度学习法进行了比较。在测试了几种配置后,研究人员进行优化,产生了一种新型TCN,比竞争算法的表现更好,能够在毫秒内准确预测到突然发生的运动变化。


时序设计采用卷积神经网络来处理视频数据,而SwRI的创新方法优化了网络层的膨胀,在更高层次上学习并预测变化趋势。扩张卷积成为了存储和访问空间观测视频数据的结构。


当人类驾驶员驶近行人和骑自行车的人时,会利用经验和推理。SwRI的研究让自动驾驶系统的反应朝着更像人类驾驶员迈进了一小步。


该研究团队利用SwRI的无标记动作捕捉系统,该系统能够在运动科学中,自动进行生物力学分析。此外,该系统还利用摄像头视觉和感知算法,提供了有关运动学和关节运动的深刻见解。


该研究项目名为“从稀疏骨骼特征进行运动预测”,其应用包括人体性能、自动驾驶车辆和制造机器人等。此类算法可与各种基于摄像头的系统一起工作,而且数据集也可用于SwRI客户端。


SwRI的数据科学家组成协作团队,为多个行业解决问题。他们为机器学习系统设计的严格方法已经为甲烷自动检测、癌症肿瘤细胞、化学分析、交通危险,甚至遥远的外星行星等领域带来了创新。


关键字:SwRI  运动预测  自动驾驶汽车  探测 编辑:鲁迪 引用地址:http://news.eeworld.com.cn/qcdz/ic493691.html 本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:博世发起Project 3F项目研发容错性自动驾驶车 出故障仍安全移动
下一篇:Lytx推出增强型机器视觉与AI风险探测技术 助于安全驾驶

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

SwRI开发合法系统 测试自动驾驶汽车GPS欺骗漏洞
据外媒报道,美国西南研究院(SwRI)开发了一套网络安全系统,用于测试自动驾驶汽车和其他使用GPS接收器进行定位、导航和计时等技术的漏洞。(图片来源:SwRI官网)GPS欺骗是一种恶意攻击,它通过发送错误的信号来欺骗GPS接收器,而GPS操纵会修改真实的GPS信号。环绕地球运行的GPS卫星能够精确定位嵌入在智能手机、地面车辆和飞机等各种设备中的GPS接收器的物理位置。SwRI设计的新工具符合美国联邦法规。过去在移动环境中测试GPS漏洞非常困难,因为联邦法律禁止未经事先授权就在空中重新传输GPS信号。SwRI开发的基于嵌入式系统和物联网(IoT)技术的汽车网络安全解决方案,其特色是利用了网络和传感器。由于传播并接收导航和定位信号
发表于 2019-05-07
SwRI开发合法系统 测试自动驾驶汽车GPS欺骗漏洞
优步开发AI技术 提高自动驾驶汽车运动轨迹预测准确率
据外媒报道,优步高级技术小组(ATG)研究人员提出了一种AI技术,以改善自动驾驶车辆交通运动预测,并适用于优步正在开发的无人驾驶技术。据了解,优步的无人驾驶技术必需确保能够探测、追踪和预测周围车辆的轨迹,从而保证自动驾驶汽车在公共道路上安全行驶。(图片来源:优步官网)众所周知,如果不能预测道路上其他驾驶员可能做出的决定,车辆就无法实现全自动驾驶。两年前,优步的一辆自动驾驶原型车在亚利桑那州坦佩撞死了一名行人,部分原因是该车没能发现并避开行人。ATG的研究使用生成式对抗网络(GAN)来预测汽车轨迹,据称可将预测精度提高一个数量级。研究人员使用的生成式对抗网络称为SC-GAN (scene-compliant GAN
发表于 2020-04-20
优步开发AI技术 提高自动驾驶汽车运动轨迹预测准确率
三星自动驾驶汽车运动预测专利 可预测附近车辆运动意图
据外媒报道,本月,三星在欧洲发布了一项专利,揭示了该公司在汽车方面做出的努力。更具体地说,三星的发明涉及一种为自动驾驶汽车研发的运动预测系统。三星在专利中说明,自动驾驶汽车为了变道,必须先评估路上附近车辆的车速和运动。为了确定附近车辆的运动,可能需要获取附近车辆的相关信息,如传感器信息、方向指示器、附近车辆航向角方向以及附近车辆的运动轨迹。例如,当自动驾驶汽车想要直行、驶进左车道或右车道时,可能需要先了解附近车辆的车速以及附近车辆驶进左右车道的意图。在此种情况下,可通过识别附近车辆的航向角或方向指示器的移动来了解其意图。当附近车辆突然变道或急剧减速时,自动驾驶车辆会很难应对,从而可能会导致事故的发生。因此,就需要获得精确且准确
发表于 2019-04-30
三星自动驾驶汽车运动预测专利 可预测附近车辆运动意图
​自动驾驶是如何预测行人运动规律的
,比如使用智能手机和提包走路。 考虑到交叉路口的复杂性,红绿灯会告诉行人何时停止,但如果没有的话怎么办?人们会出现犹豫的状态。密歇根大学(University of Michigan)工程学副教授马修•约翰逊-罗伯森(Matthew Johnson-Roberson)把这种现象叫做“Dance That Happens”。“这是一个非常复杂的社会环境。“汽车和行人需要弄清楚什么时候不能闯红灯是安全的,然后进行告知。 通过像这样收集到的现实数据,Johnson roberson及其团队研发一种被称为神经网络的人工智能系统,它能够预测行人的运动。此外,他们还确保这套系统能够考虑一些基本的交通规则或者限制性规则
发表于 2019-02-27
​自动驾驶是如何预测行人运动规律的
H.264/AVC解码器运动矢量预测模块设计与应用
。1 帧间预测技术帧间预测是利用视频图像帧间的相关性,即时间相关性,来达到图像压缩的目的,广泛用于普通电视、会议电视、视频电话、高清晰度电视的压缩编码。在图像传输技术中,活动图像特别是电视图像是关注的主要对象。活动图像是由时间上以帧周期为间隔的连续图像帧组成的时间图像序列,它在时间上比在空间上具有更大的相关性。大多数电视图像相邻帧间细节变化是很小的,即视频图像帧间具有很强的相关性,利用帧所具有的相关性的特点进行帧间编码,可获得比帧内编码高得多的压缩比。在解码时,解码器只需要采用同样的算法先预测出运动矢量的预测值MVp,而后将其与残差MVd相加便可以恢复出运动矢量的实际值MV[1]供运动补偿使用。MVp[1]取决于运动补偿的尺寸和邻近MV的有无
发表于 2014-02-28
基于PC机的MPEG-4编码原理研究及实现
时(矩形的长度和宽度都是16的倍数),形状编码就会被屏蔽。   1.2 纹理编码   纹理编码主要对I-VOP内的图像像素或P-VOP内的差值像素进行编码,包括DCT、量化、DC和AC预测、熵编码等过程,最大程度地去除当前VOP内各像素之间的空间冗余度。   视频的第一帧图像采用I-VOP格式编码,其余的帧采用I-VOP,还是P-VOP格式则受两个因素制约。其用户会按照IPPPIPPPI的方式设置当前帧所采用的格式;二是已经人为地设置了当前帧为P-VOP,通过运动估计计算mad_P的值,如果mad_P满足下列两个条件之一,则当前帧就采用P- VOP编码格式,否则采用I-VOP编码格式。   条件1:mad P<50
发表于 2010-06-18
小广播
电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2020 EEWORLD.com.cn, Inc. All rights reserved