来源： 时间：2022-10-21 13:35:07
科学家正在利用人类的步态，身体对称性和脚的位置来教自动驾驶汽车以比当前技术更高的精度识别和预测行人运动。
车辆通过摄像头，激光雷达和全球定位系统 (GpS) 收集的数据使美国密歇根大学的研究人员能够捕获运动中人类的视频片段，然后在三维 (3D) 计算机模拟中重新创建它们。
因此，他们创建了一个 “生物力学启发的递归神经网络”，将人类的运动分类。该网络可以帮助预测一个或几个行人的姿势和未来位置，距离车辆约50码，大约是城市十字路口的规模。
激光雷达是一种测量方法，通过用脉冲激光照射目标并用传感器测量反射脉冲来测量到目标的距离。
“以前在这方面的工作通常只看静止图像。它并不真正关心人们如何在三个维度上移动，“密歇根大学的助理教授拉姆·瓦苏德万 (Ram Vasudevan) 说。
Vasudevan说: “但如果这些车辆要在现实世界中运行和互动，我们需要确保我们对行人要去哪里的预测与车辆下一步要去哪里不一致。”。
为车辆配备必要的预测能力需要网络来了解人类运动的细节: 人类步态的步伐 (周期性)，四肢的镜像对称性以及脚的放置方式影响行走过程中的稳定性。
用于将自主技术提高到当前水平的许多机器学习都涉及二维图像-静态照片。
一台计算机显示了数百万张停车标志的照片，最终将在现实世界中实时识别停车标志。
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进行预测，然后用后半部分验证准确性。
马修·约翰逊-罗伯森说: “现在，我们正在训练这个系统，以识别运动，并预测不仅仅是一件事 -- 不管它是不是停车标志 -- 而是行人的身体在下一步和下一步的位置。” 密歇根大学副教授。
Vasudevan说: “如果行人在玩手机，你就知道他们会分心。”“他们的姿势和他们正在看的地方告诉了你很多关于他们的注意力水平。这也告诉了你很多关于他们下一步的能力，“他说。
结果表明，这种新系统提高了无人驾驶车辆识别接下来最可能发生的事情的能力。
相关推荐
猜你喜欢
