May, 2018

使用计算机视觉技术提高行人安全性：2018 年优步公司自动驾驶汽车事故案例研究

PDF
TL;DR本研究分析 Uber 自動駕駛汽車事故，旨在回答自動駕駛汽車技術是否準備好在公共道路上部署的問題，在此使用最先進的計算機視覺模型，評估各種圖像增強和物體識別技術，以實現在低照度條件下行人安全。
self-driving vehiclesautonomous vehicle technologyuber car crashcomputer vision modelspedestrian safety
发现论文，激发创造
  • 预测城市变化对行人和道路安全的影响

    本文研究了如何利用历史事故数据和街景图像自动预测城市干预对事故发生率的影响，结果显示可以利用机器学习工具优先考虑有针对性的城市干预措施，从而提高行人和车辆的安全性。

    Feb, 2022

  • 与行人交互的自主车辆：理论与实践综述

    研究了自动驾驶汽车在城市环境中行驶面临的主要挑战以及解决方案，包括与行人的交互问题，通过调查研究现有的行人行为研究，提出解决方案包括与行人通信的设计方法和针对理解行人意图的视觉感知和推理算法，同时讨论了未来的研究方向。

    May, 2018

  • 增强驾驶员行为模型用于高保真模拟研究碰撞检测算法

    本文使用模拟平台进行了复杂的交通仿真实验，针对连通与自动驾驶汽车的驾驶行为进行了建模，并分析了多种人为与机制相关的因素对交通网络的影响。

    Aug, 2022

  • 自动驾驶车辆中的计算机视觉应用：方法、挑战与未来发展方向

    自动驾驶车辆的知觉系统及其与计算机视觉和传感器相关的技术发展和应用进行了综述，概述了自动驾驶车辆的发展、传感器和数据集、计算机视觉应用以及公众意见和担忧，并分析了当前技术挑战和未来研究方向。

    Nov, 2023

  • 使用人工智能预防车祸

    通过使用机器学习技术，结合交通事故和气象数据，该研究旨在预测交通事故的严重程度并减少交通事故。

    Jun, 2022

  • AutoExp：一种多学科、多传感器框架，用于评估自动驾驶汽车中的人类活动

    本文提出了一个实验框架，通过多学科的方法（计算机视觉和人文社科学）研究自动驾驶汽车乘客的内部活动，包括与驾驶无关的活动，旨在捕捉实时的真实数据并创建数据集，以促进计算机视觉算法的发展和评估。

    Jun, 2023

  • 行为分析检测自主驾驶车辆

    利用图像和状态信息，该研究提出了一种全面的自动驾驶监测框架，旨在自动识别自动驾驶车辆与人工驾驶车辆的行为，并在充分考虑数据采集条件不佳的情况下进行测试。

    Mar, 2024

  • 自动驾驶的行人环境模型

    使用单目相机图像和车辆定位数据作为输入，我们提出了一个环境模型，该模型包括行人的位置和姿态信息。通过神经网络人体姿势估计器从图像中提取骨架信息，并通过基于匈牙利算法和自车运动补偿的简单跟踪算法跟踪骨架。为了获得位置的三维信息，我们结合车辆位置从连续帧中聚合数据。我们在 CARLA 模拟器和 nuScenes 数据集上展示了我们的行人环境模型，相对位置误差均达到约 16%。

    Aug, 2023

  • 城市交通中行人动作和意图识别

    本研究使用多种特征提取方法和机器学习算法，使用 JAAD 数据集为基础，聚焦于行人运动和头部方向的检测，达到了 72% 和 85% 的准确率，能有效解决自动驾驶和高级驾驶辅助系统中的行人意图和行动识别问题。

    Oct, 2018

  • 自动驾驶汽车的社会困境

    自动驾驶车辆在道路上要做出道德决策是个难题，虽然参与研究的用户表示支持牺牲乘客保护其他人的车辆，但他们在自己乘坐时更倾向于保护自己。因此，规定强制使用利他主义算法的车辆可能会推迟更安全技术的推广从而增加事故发生率。

    Oct, 2015