文件名称：逐步感知驾驶中的危害
文件大小：3.45MB
文件格式：PDF
更新时间：2024-06-06 06:21:16
Computer vision, hazards detection, motion
感知道路上的危险非常重要，因为危险很容易引起车辆撞车。 为此，收集了一百多名具有不同驾驶安全经验的驾驶员的反馈。 所获得的反馈表明，不规则的运动行为，例如交通参与者的交叉或超车，以及低照度条件，对驾驶员构成了极大的威胁。 出于此目的，本文通过涉及交通场景的运动，颜色，近红外和深度线索来实现危害检测。 具体来说，首先建立一个增量运动一致性测量模型来推断不规则运动行为，这是通过将增量的图正则化最小软阈值平方（GRLSS）纳入到运动建模中的光流中的噪声估计的更好的拉普拉斯分布来实现的。 其次，通过基于显着性的贝叶斯综合模型对多源线索进行自适应加权和融合，以在潜在危险出现时引起驾驶员的注意，它可以更好地反映视频内容并选择更好的波段进行不同光照条件下的危险预测。 最后，通过对我们自己捕获的十二个困难的视频剪辑进行测试，从而验证了所提方法与其他竞争者的优越性，这些视频剪辑同时包含颜色，近红外和恢复的深度，不需要配准或帧对齐。