基于DNN的估计汽车雷达传感器的错位状态
Junho Kim1, Taewon Jeong2, Seongwook Lee1
1School of Electrical and Electronics Engineering, College of ICT Engineering, Chung-Ang University, 84 Heukseok-ro, Dongjak-gu, Seoul 06974, Republic of Korea.
Sensors (Basel, Switzerland)
|July 29, 2023
概括
这项研究引入了深度神经网络 (DNN) 方法,以估计无需移除保险的雷达传感器倾斜角度. 这确保了可靠的先进驾驶辅助系统 (ADAS) 性能和车辆安全.
科学领域:
- 汽车工程 汽车工程
- 传感器技术 传感器技术
- 人工智能的人工智能
背景情况:
- 先进的驾驶辅助系统 (ADAS) 和自动驾驶汽车依赖于精确的汽车传感器 (雷达,激光雷达,摄像头).
- 外部冲击会导致传感器失调,降低性能,危及车辆安全.
- 雷达传感器倾斜,特别是向地面或天空倾斜,显著损害传感能力.
研究的目的:
- 开发一种非侵入性方法来估计雷达传感器的垂直倾斜角度.
- 为了确保稳定的传感器检测性能和提高驾驶员的安全.
- 为了方便车辆雷达传感器的维护.
主要方法:
- 在各种倾斜角度和距离上获取的雷达数据来描述信号行为.
- 从接收的雷达信号中提取了范围配置文件.
- 设计并实施了一个深度神经网络 (DNN) 分类器,使用范围配置文件作为角度估计的输入.
主要成果:
- 拟议的基于DNN的分类器准确地估计了雷达传感器倾斜角度.
- 该方法实现了超过99.08%的平均估计准确度.
- 角度估计是独立于测量的距离.
结论:
- 开发的DNN方法提供了一种有效和准确的方法来估计雷达传感器错位.
- 这种非侵入性技术简化了无需拆除保险的雷达传感器维护.
- 这些发现有助于确保ADAS和自动驾驶系统的可靠性和安全性.
更多相关视频
06:32Author Spotlight: Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring
Published on: July 14, 2023
1.3K
07:14Tracking Infiltration Front Depth Using Time-lapse Multi-offset Gathers Collected with Array Antenna Ground Penetrating Radar
Published on: May 1, 2018
7.8K
