SwRI,自动驾驶,自动驾驶汽车

SwRI研发运动预测系统 可提升自动驾驶汽车行人探测能力

机器学习技术领先创新者美国西南研究院(Southwest Research Institute,SwRI)研发了一种运动预测系统,可以提升自动驾驶汽车的行人探测能力。

据外媒报道,机器学习技术领先创新者美国西南研究院(Southwest Research Institute,SwRI)研发了一种运动预测系统,可以提升自动驾驶汽车的行人探测能力。该计算机视觉工具利用一种新型深度学习算法,通过实时观察生物力学运动,将盆腔区域的变化作为关键指标,以预测运动。
 
SwRI高级研究分析师Samuel E.Slocum表示:“例如,如果一个行人正向西走,该系统能够预测此人是否会突然朝南走。随着自动驾驶汽车不断发展,该项研究提供了几个重要的安全功能,以帮助保护行人。”
 
最近发生的涉及自动驾驶汽车的交通事故,要求自动驾驶汽车提高对行人和其他移动物体的探测能力。虽然以前的技术可以跟踪和预测直线运动,但是不能预测突然的变化。
 
运动预测通常使用“光流”算法,基于横向运动来预测运动方向和速度。光流是计算机视觉的一种,将算法与摄像头匹配,以跟踪动态物体。然而,当人们朝着意想不到的方向移动时,光流法的准确性就会下降。
 
为了提高准确性,SwRI将光流法与时序卷积网络(TCN)和长短期记忆网络(LSTM)等其他深度学习法进行了比较。在测试了几种配置后,研究人员进行优化,产生了一种新型TCN,比竞争算法的表现更好,能够在毫秒内准确预测到突然发生的运动变化。
 
时序设计采用卷积神经网络来处理视频数据,而SwRI的创新方法优化了网络层的膨胀,在更高层次上学习并预测变化趋势。扩张卷积成为了存储和访问空间观测视频数据的结构。
 
当人类驾驶员驶近行人和骑自行车的人时,会利用经验和推理。SwRI的研究让自动驾驶系统的反应朝着更像人类驾驶员迈进了一小步。
 
该研究团队利用SwRI的无标记动作捕捉系统,该系统能够在运动科学中,自动进行生物力学分析。此外,该系统还利用摄像头视觉和感知算法,提供了有关运动学和关节运动的深刻见解。
 
该研究项目名为“从稀疏骨骼特征进行运动预测”,其应用包括人体性能、自动驾驶车辆和制造机器人等。此类算法可与各种基于摄像头的系统一起工作,而且数据集也可用于SwRI客户端。
 
SwRI的数据科学家组成协作团队,为多个行业解决问题。他们为机器学习系统设计的严格方法已经为甲烷自动检测、癌症肿瘤细胞、化学分析、交通危险,甚至遥远的外星行星等领域带来了创新。
关注自动驾驶之家微信公众号

扫描关注,获取干货

文章来源:小小 / 文章作者:盖世汽车  →产业快报
声明:本文来源“盖世汽车”作者“小小”,版权归作者所有,不代表自动驾驶之家官方立场。转载请注明出处、作者和文章链接,如果有侵权,请联系删除。
收藏