基于单眼深度增强三维建模的实时事故预警
计算机视觉与模式识别
2024-09-04 v1 人工智能
摘要
交通事故预警的主要目标是利用仪表盘摄像头视频实时预测潜在事故，这对于增强自动驾驶技术的安全性和可靠性至关重要。在本研究中，我们引入一种创新框架 AccNet，通过融合单眼深度线索进行精细化的三维场景建模，显著超越当前基于2D的方法的最新进展 (SOTA)。针对交通事故数据集中常见的偏斜分布问题，我们提出了用于早期预警的二进制自适应损失函数 (BA-LEA)。该新型损失函数结合多任务学习策略，使预测模型的关注力集中在事故发生前的关键时刻。我们在三个基准数据集上严格评估了该框架的性能——Dashcam Accident Dataset (DAD)、Car Crash Dataset (CCD)、AnAn Accident Detection (A3D)，以及 DADA-2000 数据集，通过平均精度 (AP) 和平均事故时间 (mTTA) 等关键指标，证明了其优越的预测准确性。
引用
@article{arxiv.2409.01256,
title = {Real-time Accident Anticipation for Autonomous Driving Through Monocular Depth-Enhanced 3D Modeling},
author = {Haicheng Liao and Yongkang Li and Chengyue Wang and Songning Lai and Zhenning Li and Zilin Bian and Jaeyoung Lee and Zhiyong Cui and Guohui Zhang and Chengzhong Xu},
journal= {arXiv preprint arXiv:2409.01256},
year = {2024}
}