driver assistance systems | BriefGPT

关键词driver assistance systems

搜索结果 - 11

颠覆交通标志识别：揭示视觉变换器的潜力
本研究引入了一种创新的基于深度学习技术的交通标志识别（TSR）方法，特别强调视觉变换器。实验评估结果表明，该方法在提高预测速度和准确性方面具有显著的效果，为 TSR 算法的精确可靠开发奠定了基础，受益于驾驶辅助系统和自动驾驶汽车。
PDF2 months ago
高效视觉 Transformer 用于准确的交通标志检测
该研究论文解决了自动驾驶车辆和驾驶辅助系统中与交通标志检测相关的挑战，特别关注使用 Transformer 模型来提高检测的速度和准确性。
PDF8 months ago
低质量夜晚图像中的自动招牌识别
通过应用改进的 MIRNet 模型和 Yolov4 模型，本文解决了低光、噪声和模糊条件下交通标志识别的挑战，并在 GTSRB 数据集上获得了 96.75% 的整体 [email protected]，对于广泛类别的 GTSDB 数据集达到了 100% 的 m
PDFa year ago
小而重要：检测小型交通灯及更多交通灯的提议
交通信号灯检测是自动驾驶汽车和驾驶员辅助系统中的一个具有挑战性的问题。本文提出了一种新的交通信号灯检测系统，通过使用通用物体候选生成、精细化的多尺度特征以及注意力机制进行高效处理，解决了卷积神经网络中下采样导致的低分辨率特征对检测的影响问题
PDFa year ago
CLRerNet：使用 LaneIoU 提高车道检测的置信度
本文提出了一种深度学习算法 CLRerNet 来进行车道线检测，该算法考虑了本地车道角度，能够更好地相关检测指标，通过交叉验证得出，该算法在 CULane 和 CurveLanes 数据集上 F1 得分分别为 81.43% 和 86.47%
PDFa year ago
自动驾驶和高级驾驶辅助系统的摄像头 - 雷达感知：概念，数据集和度量
本文研究了自动驾驶系统中车辆安全性的提高、深度学习基础的障碍物检测和分割、雷达传感器和摄像头传感器的融合，以及在车辆感知中的数据集、度量、挑战和开放性问题，这些元素对于提高自动驾驶系统的普及率具有重要意义。
PDFa year ago
一种安全的强化学习能源高效驾驶辅助系统
本研究提出了一种基于强化学习的驾驶辅助系统，利用指数控制屏障函数过滤不安全的动作，并利用 MPO 算法计算控制动作以最大化累计奖励。研究表明，该系统可以在训练和评估过程中有效避免碰撞，并提高司机辅助系统的燃油经济性。
PDF2 years ago
使用卷积神经网络进行汽车雷达复杂信号去噪与干扰抑制
本研究旨在解决越来越多的雷达传感器在街道上部署时，存在的共存干扰问题。为此，研究提出了使用卷积神经网络（CNN）对数据进行去噪的方法，实验结果证明了该方法的优越性。因此，CNN 可以作为传统信号处理方法之外的一种干扰抑制方法，用于自动驾驶领
PDF5 years ago
一种新的视差转换算法用于道路分割
该论文提出了一种新颖的视差变换算法，利用它们从密集的视差图中提取道路区域，并通过应用 Otsu 阈值方法对转换后的视差图进行像素级道路分割。
PDF6 years ago
CVPR基于全景监控系统的自动驾驶场景理解网络
本文提出一种新的端到端解决方案，通过识别驾驶车辆在每个方向上最近的障碍物，用于计算最近障碍物的距离，并将其合并到统一的端到端架构中，实现联合物体检测、路缘检测和安全可驾驶区域检测，最终通过相机为基础系统和 3D 对象检测来在停车和行驶模式下
PDF6 years ago
将车辆映射到鸟瞰图中的学习
本文提出了一种语义感知变换的方法，将仪表板摄像机视图中的检测结果映射到场景的更广泛、俯视的占用图中，通过大量的合成数据和深度神经网络的训练实现，结果表明该模型能够在真实世界的数据上进行泛化。
PDF7 years ago