SDC-Net++:自动驾驶汽车的端到端碰撞检测和动作控制,基于深度IoT的系统

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 物联网 (IoT) 的物联网 (IoT) 的物联网.

背景情况:

• 当前的自动驾驶汽车系统 (SDC) 往往缺乏准确识别事故地点的能力.
• 像SDC-Net这样的现有深度学习模型可以对碰撞场景进行分类,但不能确定它们的确切位置.
• 对于先进的安全功能,SDC和物联网之间的协作至关重要.

研究的目的:

• 加强SDC-Net系统,以精确识别事故地点.
• 改善互联汽车之间关于事故现场的信息共享.
• 开发一个更强大的自动驾驶安全系统.

主要方法:

• 将SDC-Net中的分类网络替换为检测网络.
• 调整了CARLA模拟器数据集,包括用于训练的车辆界限框.
• 修改了基于物联网的信息共享,包括事故坐标.
• 开发了SDC-Net++系统,以加强控制行动和信息传播.

主要成果:

• 该SDC-Net++系统成功地识别了事故地点,并输出了相关的控制行动.
• 使用鸟视图 (BEV) 输入表示的多任务网络显著优于其他配置.
• 在精度,回忆,F1得分,准确性和降低平均平方误差 (MSE) 方面,SDC-Net++表现优于SDC-Net.

结论:

• 增强的SDC-Net++系统提供了准确的事故定位,并提高了连接自动驾驶汽车的安全性.
• 多任务学习与BEV输入相结合,对于事故检测和应对非常有效.
• 整合物联网以实时共享事故信息对于未来的SDC安全至关重要.