CHAMP：基于众包与历史记录的已映射行人建议，以提升驾驶员辅助系统的安全性
计算机视觉与模式识别
2023-01-31 v3
摘要
车辆不断接近并与行人共享道路，因此车辆防止与行人发生任何碰撞至关重要。当前防止行人碰撞的方法侧重于将视觉行人检测器与自动紧急制动（Automatic Emergency Braking, AEB）系统集成，当行人进入车辆路径时，AEB 系统可以触发警告并施加制动。遗憾的是，基于行人检测的系统在某些情况下可能会受到阻碍，例如夜间或行人被遮挡时。我们的系统 CHAMP（基于众包与历史记录的已映射行人建议）使用一个在线的、基于地图的行人检测系统来解决这些问题，其中行人位置在多次经过同一位置后被聚合到一个数据集中。使用该数据集，我们能够学习行人区域，并在车辆接近行人时生成建议通知，即使面临光线昏暗或行人被遮挡等挑战。我们在加利福尼亚州 La Jolla 收集并仔细标注了行人数据，以构建行人位置的训练集和测试集。此外，我们使用正确建议、错误建议和遗漏建议的数量来定义精确率和召回率性能指标，以评估 CHAMP。该方法可进行调优，使得我们在实验数据集上实现了最高 100% 的精确率和 75% 的召回率，并且可以通过进一步收集数据来增强性能。
引用
@article{arxiv.2301.05842,
title = {CHAMP: Crowdsourced, History-Based Advisory of Mapped Pedestrians for Safer Driver Assistance Systems},
author = {Ross Greer and Lulua Rakla and Samveed Desai and Afnan Alofi and Akshay Gopalkrishnan and Mohan Trivedi},
journal= {arXiv preprint arXiv:2301.05842},
year = {2023}
}