相关实验视频
Updated: Jun 19, 2026

16:14
Trajectory Data Analyses for Pedestrian Space-time Activity Study
Published on: February 25, 2013
14.1K
自动驾驶汽车和机器人的行人群活动识别:一项调查和观点
IEEE transactions on cybernetics
|November 18, 2025
概括
本研究定义了自主系统的行人群活动识别 (PGAR). 它调查了现有的方法和挑战,为未来的人机交互研究提供了关键参考.
科学领域:
- 机器人技术和自主系统
- 计算机视觉 计算机视觉
- 人与机器的互动 人与机器的互动
背景情况:
- 在人机交互场景中,行人经常以小组形式出现.
- 步行者群提供比个人更丰富的数据,有助于解决闭塞问题.
- 步行者行为固有的随机性和时空复杂性使得步行者群活动识别 (PGAR) 变得困难.
研究的目的:
- 为专门针对自动驾驶汽车和机器人的PGAR任务提供全面的概述.
- 在自主系统的背景下定义行人群和活动.
- 系统地审查PGAR中现有的数据集和方法.
主要方法:
- 对PGAR数据集和方法的系统文献审查.
- 分析PGAR在自动驾驶和机器人的独特挑战和新兴趋势.
- 关键词的定义:自主系统的行人群和行人活动.
主要成果:
- 介绍了自动驾驶系统的行人群和活动的新定义.
- 提供了当前PGAR数据集和方法的系统摘要.
- 概述了自动驾驶汽车和机器人的PGAR的独特挑战和未来趋势.
结论:
- 这篇文章通过专注于自动驾驶和机器人的PGAR来弥合一个关键的差距.
- 它作为进入PGAR领域的研究人员的基础参考.
- 这项工作强调了PGAR对于安全高效的人机协作的重要性.

