美国乔治亚理工学院研究攻击性自动驾驶 可提高自动驾驶安全性

据外媒报道，美国乔治亚理工学院（Georgia Institute of Technology）的一组研究人员提出了一个创新框架，利用车轮速度传感器、惯性测量单元（IMU）传感器以及单目摄像头进行攻击性驾驶。据研究人员所说，该框架结合了深度学习道路检测、模型预测控制（MPC）以及粒子滤波。据报道，该框架有望实现经济高效且强大的自动驾驶。

由于了解自动驾驶极端性已经变得越来越重要，研究人员直接选择了攻击性驾驶，这是了解避免碰撞以及自动驾驶所需安全措施的一个很好的因素。

攻击性驾驶行为指的是汽车超速行驶或是侧倾角过大，就像很多汽车拉力赛中车辆的表现一样。在更早期的研究中，研究人们使用高质量全球定位系统（GPS）在全球位置中预测攻击性驾驶。但是该方法有许多限制，如需要高成本的传感器而且有些地方没有覆盖GPS。

为了克服上述局限性因素，研究小组使用了基于视觉的驾驶解决方案，该方案基于单目摄像头图像，并使用基于模型预测控制数据，产生了前景很好的结果。但是，单独评估每个输入框架导致了学习困难。安装载汽车上的摄像头受限于视野、位置较低，很难在高速下捕捉高质量图片。但是，在最近的研究中，该团队利用基于视频深度神经网络模型（LSTM）生成了图像。

(责编：李硕)

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。