自主车辆在含意外危险的道路环境中基于视觉的导航
计算机视觉与模式识别
2019-05-21 v3 人工智能
摘要
自主车辆基于视觉的导航主要依赖于基于深度神经网络(DNN)的系统，其中控制器从相机等传感器/检测器获取输入，并产生车辆控制输出（如方向盘转角），以在道路交通环境中安全导航车辆。通常，自主车辆的这些基于DNN的系统通过监督学习训练；然而，近期研究表明，训练好的基于DNN的系统可能被扰动或对抗性输入所破坏。类似地，这种扰动可由意外的道路危险（如碎片和路障）引入自主车辆的基于DNN的系统。本研究中，我们首先引入一种可破坏自主车辆基于DNN的导航系统并产生错误方向盘转角、从而导致可致死亡与伤害的碰撞的道路危险环境（含有意与无意的道路危险）。然后，我们开发一种利用目标检测与语义分割的基于DNN的自主车辆驾驶系统，以减轻此类危险环境的不利影响，帮助自主车辆安全绕行此类危险。我们发现，相较传统基于DNN的自主车辆驾驶系统，我们所开发的包含危险目标检测与语义分割的基于DNN的自主车辆驾驶系统将避免潜在危险的导航能力提高了21%。
引用
@article{arxiv.1810.03967,
title = {Vision-based Navigation of Autonomous Vehicle in Roadway Environments with Unexpected Hazards},
author = {Mhafuzul Islam and Mahsrur Chowdhury and Hongda Li and Hongxin Hu},
journal= {arXiv preprint arXiv:1810.03967},
year = {2019}
}
备注
17 pages, 12 images