据外媒报导,美国乔治亚理工学院(GeorgiaInstituteofTechnology)的一组研究人员明确提出了一个创意框架,利用车轮速度传感器、惯性测量单元(IMU)传感器以及单目摄像头展开攻击性驾驶员。据研究人员所说,该框架融合了深度自学道路检测、模型预测掌控(MPC)以及粒子滤波。
据报导,该框架未来将会构建经济高效且强劲的自动驾驶。由于理解自动驾驶极端性早已显得更加最重要,研究人员必要自由选择了攻击性驾驶员,这是理解防止撞击以及自动驾驶所须要安全措施的一个很好的因素。攻击性驾驶员不道德所指的是汽车超速行驶或是外侧倾角过大,就像很多汽车拉力赛中车辆的展现出一样。
在更加早期的研究中,研究人们用于高质量全球定位系统(GPS)在全球方位中预测攻击性驾驶员。但是该方法有许多容许,如必须低成本的传感器而且有些地方没覆盖面积GPS。
为了解决上述局限性因素,研究小组用于了基于视觉的驾驶员解决方案,该方案基于单目摄像头图像,并用于基于模型预测控制数据,产生了前景很好的结果。但是,分开评估每个输出框架造成了自学艰难。加装载有汽车上的摄像头受限于视野、方位较低,很难在高速下捕猎高质量图片。
但是,在最近的研究中,该团队利用基于视频深度神经网络模型(LSTM)分解了图像。
本文来源:龙8唯一官网,龙8中国官网唯一入口,龙8官方网站-www.chuanchenglegal.com