商用车制动优化：基于鲁棒SIFT轨迹的方法
计算机视觉与模式识别
2025-12-23 v1 图形学
摘要
提出一种基于视觉的轨迹分析解决方案，以解决商用车自动紧急制动（AEB）系统在低速运行时因控制区域网络（CAN）信号不准确导致的“零速度制动”问题。该算法利用NVIDIA Jetson AGX Xavier平台处理盲区摄像头的序列视频帧，采用自适应对比受限自适应直方图均衡（CLAHE）增强的尺度不变特征变换（SIFT）特征提取和K近邻（KNN）-随机抽样一致性（RANSAC）匹配。实现对车辆运动状态（静止、振动、移动）的精确分类。关键创新包括1）多帧轨迹位移统计（5帧滑动窗口）、2）双阈值状态决策矩阵、3）基于OBD-II的动态感兴趣区域（ROI）配置。该系统有效抑制环境干扰和动态目标的误检，直击解决商用车安全系统低速误激活的挑战。在来自1852辆车、共32454个视频片段的真实数据集上评估，显示静止检测F1分数达99.96%，运动状态识别达97.78%，处理延迟为14.2毫秒（分辨率704x576）。现场部署后显示，误制动事件减少89%，紧急制动成功率100%，故障率低于5%。
引用
@article{arxiv.2512.18597,
title = {Commercial Vehicle Braking Optimization: A Robust SIFT-Trajectory Approach},
author = {Zhe Li and Kun Cheng and Hanyue Mo and Jintao Lu and Ziwen Kuang and Jianwen Ye and Lixu Xu and Xinya Meng and Jiahui Zhao and Shengda Ji and Shuyuan Liu and Mengyu Wang},
journal= {arXiv preprint arXiv:2512.18597},
year = {2025}
}
备注
5 figures,16 pages