基于计算机视觉的自动驾驶车辆威胁检测
计算机视觉与模式识别
2022-09-07 v1
摘要
道路障碍物检测是智能交通基础设施系统范畴内的重要研究领域。基于视觉的方法为此类系统提供了准确且经济高效的解决方案。在本研究论文中，我们提出一种利用行车记录仪视频的自动驾驶汽车威胁检测机制，以确保道路上在其视觉范围内存在任何不期望的障碍物时被察觉。该信息可辅助车辆程序安全绕行。主要包含四个组件，即用于识别物体的 YOLO、高级车道检测算法、用于测量物体距相机距离的多重回归模型、用于测量安全性与限制车速的两秒规则。此外，我们使用 Car Crash Dataset(CCD)计算模型精度。YOLO 算法给出约 93% 的准确率。我们提出的威胁检测模型(TDM)的最终准确率为 82.65%。
引用
@article{arxiv.2209.02438,
title = {Threat Detection In Self-Driving Vehicles Using Computer Vision},
author = {Umang Goenka and Aaryan Jagetia and Param Patil and Akshay Singh and Taresh Sharma and Poonam Saini},
journal= {arXiv preprint arXiv:2209.02438},
year = {2022}
}
备注
Presented in 3rd International Conference on Machine Learning, Image Processing, Network Security and Data Sciences MIND-2021