Актуальные вопросы совершенствования технического зрения при использовании на автомобилях
Аннотация
Системы технического зрения активно используются на автомобильном транспорте. Развитие этого направления приводит к увеличению числа бортовых камер, установленных на транспортном средстве. При помощи различных алгоритмов анализа изображений, с применением нейронных сетей можно получать информацию об окружающем пространстве автомобиля и свойствах рядом расположенных объектов. Важной особенностью является позиционирование объектов в пространстве и определение расстояния до них. Такие функции используются для определения безопасной дистанции и с целью построения оптимальной траектории движения автомобиля в заданном пространстве. В данной статье рассматриваются различные способы анализа изображений с целью применения на автомобилях в системах помощи водителю или в беспилотных автомобилях.
Об авторах
Александр Гергиевич Тыняный
МАДИ
Россия
Россия
аспирант кафедры «Автомобили»
Сергей Робертович Кристальный
МАДИ
Россия
Россия
канд. техн. наук, доцент кафедры «Автомобили»
Павел Александрович Красавин
МАДИ
Россия
Россия
канд. техн. наук, доцент кафедры «Автомобили»
Максим Алексееевич Топорков
МАДИ
Россия
Россия
канд. техн. наук, доцент кафедры «Автомобили»
Алексей Николаевич Андреев
МАДИ
Россия
Россия
старший преподаватель кафедры «Автомобили»
Список литературы
1. Эволюция архитектур нейросетей в компьютерном зрении: сегментация изображений. – URL: https://habr.com/ru/companies/slsoft/articles/864994/?ysclid
2. =mi7e2qugg9143782482 (дата обращения: 24.10.2025).
3. Semantic Segmentation Using Deep Learning. – MATLAB & Simulink. – URL: https://www.mathworks.com/help/vision/ug/semantic-segmentation-using-deep-learning.html#d119e211 (дата обращения: 20.12.2024).
4. Karpathy, A. PyTorch at Tesla / A. Karpathy // Научно-технический доклад и презентация, PyTorch DEVCON-19, 6 ноября 2019 г. – URL: https://www.youtube.com/watch?v=oBklltKXtDE&ab_channel=PyTorch (дата обращения: 15.07.2025).
5. Goodfellow, I. Deep Learning / I. Goodfellow, Y. Bengio, A. Courville. –Massachusetts: MIT Press, 2016. – 800 p. – ISBN 0262035618.
6. Kingma, Diederik P. Adam: A Method for Stochastic Optimization / Diederik P. Kingma, J. Ba. – URL: https://arxiv.org/abs/1412.6980 (дата обращения: 15.07.2025).
7. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks / S. Ren, K. He, R. Girshick, J. Sun // IEEE transactions on pattern analysis and machine intelligence. – 2017. – Vol. 39, No. 6. – P. 1137-1149. – DOI 10.1109/TPAMI.2016.2577031.
8. Region Proposal by Guided Anchoring / J. Wang, K. Chen, Sh. Yang, Ch.Ch. Loy // Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. – 2019. – P. 2965-2974. – DOI 10.1109/cvpr.2019.00308.
9. Region-Based Convolutional Networks for Accurate Object Detection and Segmentation / R. Girshick, J. Donahue, T. Darrell, J. Malik // IEEE transactions on pattern analysis and machine intelligence. – 2016. – Vol. 38, No. 1. – P. 142-158. – DOI 10.1109/TPAMI.2015.2437384.
10. Семантическая сегментация с высоты птичьего полета для автономного вождения. – URL: https://readmedium.com/monocular-birds-eye-view-semantic-segmentation-for-autonomous-driving-ee2f771afb59 (дата обращения: 05.10.20250).
11. Обратное преобразование перспективы с помощью ручной точки схода. – URL: https://github.com/osvaldlaszlo/inverse-perspective-mapping?tab=readme-ov-file (дата обращения: 05.10.2025).
12. DisNet: a novel method for distance estimation from monocular camera / MA. Haseeb, J. Guan, D. Ristic-Durrant, A. Gräser // IEEE/RSJ international conference on intelligent robots and systems – IROS 2018, 10th workshop on planning, perception and navigation for intelligent vehicles (PPNIV). – 2018.
13. Nair, R.S. Robotic Path Planning Using Recurrent Neural Networks / R.S. Nair, P. Supriya // 2020 11th International Conference on Computing, Communication and Networking Technologies (ICCCNT). – IEEE, 2020. – P. 1-5. – DOI 10/1109/ICCCNT49239.2020.9225479.
14. Multimodal End-to-End Autonomous Driving / Yi. Xiao, F. Codevilla, A. Gurram [et al.] // IEEE Transactions on Intelligent Transportation Systems. – 2022. – Vol. 23, No. 1. – P. 537-547. – DOI 10.1109/tits.2020.3013234. – EDN AVEFER.
15. Behavior-based neuro-fuzzy controller for mobile robot navigation / P. Rusu, E.M. Petriu, T.E. Whalen, A. Cornell, H.J.W. Spoelder // IEEE Transactions on Instrumentation and Measurement. – 2003. – Vol. 52, No. 4. – P. 1335-1340. – DOI 10.1109/TIM.003.816846.
16. End-to-End Deep Neural Network Design for Short-term Path Planning / M. Dao, D. Lanza, V. Fremont. – URL: https://hal.archives-ouvertes.fr/hal-02266802 (дата обращения: 15.07.2025).
Рецензия
Рецензент: А.Е. Есаков, канд. техн. наук, доц., Московский политехнический университет
Просмотров:
49
JATS XML
