• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Obstacle Detection and Safely Navigate the Autonomous Vehicle from Unexpected Obstacles on the Driving Lane
【2h】

Obstacle Detection and Safely Navigate the Autonomous Vehicle from Unexpected Obstacles on the Driving Lane

机译：障碍物检测并安全地在驾驶车道上的意外障碍中导航自主车辆

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Nowadays, autonomous vehicle is an active research area, especially after the emergence of machine vision tasks with deep learning. In such a visual navigation system for autonomous vehicle, the controller captures images and predicts information so that the autonomous vehicle can safely navigate. In this paper, we first introduced small and medium-sized obstacles that were intentionally or unintentionally left on the road, which can pose hazards for both autonomous and human driving situations. Then, we discuss Markov random field (MRF) model by fusing three potentials (gradient potential, curvature prior potential, and depth variance potential) to segment the obstacles and non-obstacles into the hazardous environment. Since the segment of obstacles is done by MRF model, we can predict the information to safely navigate the autonomous vehicle form hazardous environment on the roadway by DNN model. We found that our proposed method can segment the obstacles accuracy from the blended background road and improve the navigation skills of the autonomous vehicle.
机译：如今，自治车辆是一个活跃的研究领域，特别是在机器视觉任务的出现后深入了解。在用于自主车辆的这种视觉导航系统中，控制器捕获图像并预测信息，使得自主车辆可以安全地导航。在本文中，我们首先引入了有意或无意中留在道路上的中小型障碍，这可能对自主和人类驾驶情况构成危害。然后，我们通过融合三个电位（梯度潜在，曲率的先前潜在和深度方差电位）来讨论马尔可夫随机场（MRF）模型，以将障碍物和非障碍物分段为危险环境。由于障碍物段由MRF模型完成，我们可以预测通过DNN模型在巷道上安全地导航自主车辆的信息。我们发现，我们的提出方法可以将障碍物从混合的背景道路分段并提高自动车辆的导航技能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号