美國喬治亞理工學院研究攻擊性自動駕駛 可提高自動駕駛安全性

據(jù)外媒報道，美國喬治亞理工學院（Georgia Institute of Technology）的一組研究人員提出了一個創(chuàng)新框架，利用車輪速度傳感器、慣性測量單元（IMU）傳感器以及單目攝像頭進行攻擊性駕駛。據(jù)研究人員所說，該框架結合了深度學習道路檢測、模型預測控制（MPC）以及粒子濾波。據(jù)報道，該框架有望實現(xiàn)經濟高效且強大的自動駕駛。

由于了解自動駕駛極端性已經變得越來越重要，研究人員直接選擇了攻擊性駕駛，這是了解避免碰撞以及自動駕駛所需安全措施的一個很好的因素。

攻擊性駕駛行為指的是汽車超速行駛或是側傾角過大，就像很多汽車拉力賽中車輛的表現(xiàn)一樣。在更早期的研究中，研究人們使用高質量全球定位系統(tǒng)（GPS）在全球位置中預測攻擊性駕駛。但是該方法有許多限制，如需要高成本的傳感器而且有些地方沒有覆蓋GPS。

為了克服上述局限性因素，研究小組使用了基于視覺的駕駛解決方案，該方案基于單目攝像頭圖像，并使用基于模型預測控制數(shù)據(jù)，產生了前景很好的結果。但是，單獨評估每個輸入框架導致了學習困難。安裝載汽車上的攝像頭受限于視野、位置較低，很難在高速下捕捉高質量圖片。但是，在最近的研究中，該團隊利用基于視頻深度神經網絡模型（LSTM）生成了圖像。

(責編：李碩)

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。