科学家正在使用人类“步态,身体对称和脚放置,以教导自动驾驶汽车来识别和预测比当前技术更精确的行人运动。

通过摄像机,LIDAR和全球定位系统(GPS)收集的数据允许研究人员在美国密歇根大学的研究人员,以捕捉人类的视频片段,然后在三维(3D)计算机模拟中重新创建它们。

有了这个,他们创造了“生物力学启动的经常性神经网络”,该目录人类运动。

网络可以帮助预测一个或几个行人的姿势和未来的位置,从车辆距离车辆大约50码,大约是城市交叉口的规模。

LIDAR是一种测量方法,通过用脉冲激光照射目标来测量与目标的距离,并用传感器测量反射脉冲。

“在这一领域的事先工作通常只看着静止图像。密歇根大学助理教授Ram Vasudevan说,这不是人们在三个方面举行的三个方面。“

“但如果这些车辆将在现实世界中运营并互动,我们需要确保我们的预测行人的预测不与车辆下一步的地方不一致,”Vasudevan说。

装备具有必要的预测力的车辆需要网络进入人类运动的细节:人的步态(周期性)的速度,四肢的镜子对称,脚放置在行走期间影响稳定性的方式。

用于将自主技术带到其当前水平的大部分机器学习都处理了二维图像 - 静止照片。

一台计算机上显示了数百万张照片的票据,最终将识别现实世界中的停止标志,实时地识别停止标志。

但是,通过利用运行几秒钟的视频剪辑,系统可以研究片段的前半部分以使其预测,然后验证下半部分的准确性。

“现在,我们正在培训系统,以识别运动并使不仅仅是一件单一的方式 - 无论是一个停车迹象 - 但是那里行人的身体将在下一步和下一步和下一个步骤下一步,“密歇根大学副教授Matthew Johnson-Roberson说。

“如果一个行人正在玩他们的手机,你知道他们分心了,”Vasudevan说。

“他们的姿势和他们正在寻找的地方正在告诉你他们对他们的注意力水平。他说,它也告诉你们对他们能够做的事情,“他说。

结果表明,这种新系统改善了无人驾驶车辆的能力,以认识到下一个最有可能发生的东西。

声明:文章仅代表原作者观点,不代表本站立场;如有侵权、违规,可直接反馈本站,我们将会作修改或删除处理。