基于视觉利用深度残差神经网络检测变道行为
计算机视觉与模式识别
2019-11-12 v1 图像与视频处理
摘要
准确的车道定位与变道检测在高级驾驶辅助系统和自动驾驶系统中对于更安全、更高效的轨迹规划至关重要。常规定位设备如全球定位系统仅提供道路级分辨率用于车辆导航，不足以辅助车道级决策。车道定位的当前最优技术是使用激光雷达(Light Detection and Ranging, LiDAR)传感器来校正全局定位误差并实现厘米级精度，但 LiDAR 的实时实现与普及仍受其计算负担与当前成本的限制。作为一种经济高效的替代方案，基于视觉的变道检测因可负担的自动驾驶车辆支持车道级定位而受到高度重视。我们开发了一种基于深度学习的计算机视觉系统，利用安装在车辆上的前视摄像头所捕获的图像以及惯性测量单元的数据来检测高速公路驾驶中的变道行为。在真实世界驾驶数据上的测试结果表明，所提方法具有鲁棒性与实时工作能力，并可达约 87% 的变道检测准确率。与人对视觉刺激的平均反应相比，所提计算机视觉系统快 9 倍，这使其能够及时协助做出挽救生命的决策。
引用
@article{arxiv.1911.03565,
title = {Vision-Based Lane-Changing Behavior Detection Using Deep Residual Neural Network},
author = {Zhensong Wei and Chao Wang and Peng Hao and Matthew Barth},
journal= {arXiv preprint arXiv:1911.03565},
year = {2019}
}