面向网络环境的人类 3D 姿态估计 AI 方法的验证

确保自动驾驶系统在城市环境中与脆弱路用户 (VRU) 的安全和真实交互需要先进的测试方法。本文提出一种结合车辆-in-the-Loop (ViL) 测试台和运动实验室的测试环境，演示了对车辆-行人和车辆-骑行者交互的网络-物理 (CP) 测试的可行性。基于前期工作（聚焦行人定位），我们进一步通过 RW 与虚拟 VRU 表示的比较分析来验证人类姿态估计 (HPE) 方法。该研究检验了基于商业单目摄像头的人体 3D 骨架检测 AI 的全身运动感知。虚拟场景在 Unreal Engine 5 中生成，VRU 实时动画化并投射到屏幕上以刺激摄像头。该提议的刺激技术确保正确的视角，从而实现真实的车辆感知。为评估 HPE 在 RW 与 CP 域之间的准确性和一致性，我们分析检测的可靠性以及运动轨迹和关节估计稳定性的变化。该验证包括行人和骑行人等动态测试场景，在受控条件下监控人类头像。我们的结果显示，在稳定运动模式下，RW 与 CP 测试条件之间的 HPE 强对齐，而在动态运动和遮挡情况下仍存在显著不准确，特别是针对复杂的骑行姿态。这些发现为细化 CP 测试方法以评估下一代基于 AI 的车辆感知，以及增强自动驾驶车辆与 CP 环境中 VRU 的交互模型贡献了重要意义。