详细内容或原文请订阅后点击阅览
使用基于深度学习的物体检测提高自动驾驶汽车的安全性
自动驾驶汽车一直被认为是下一代交通方式。为了实现此类车辆的自主导航，需要实施多种不同的技术。
来源:Qudata使用基于深度学习的物体检测提高自动驾驶汽车的安全性
普及自动驾驶汽车的最大挑战之一是安全性和可靠性。为了确保用户安全驾驶，自动驾驶汽车必须准确、高效、有效地监控和识别环境以及乘员的安全隐患。
虽然特斯拉正尽力不发布其他开发自动驾驶系统的公司提供的脱离数据，但一组特斯拉 FSD Beta 测试人员已经独立报告了一段时间的数据。
特斯拉正尽力不发布脱离数据 独立报告数据基于这个有限的数据集，特斯拉 FSD Beta 在脱离之间只能行驶几英里，而其他自动驾驶程序（如 Waymo 和 Cruise）报告的停机间隔平均为数万英里。
每次脱离之间只能行驶几英里在 Waymo，用于评估驾驶员安全性的方法之一是基于场景的测试——虚拟、测试轨道和真实世界驾驶的组合。
Waymo为了确定合适的测试场景，他们使用 Waymo 多年经验中积累的现有驾驶数据、碰撞数据（例如警方事故数据库和行车记录仪捕捉到的碰撞）以及运营设计领域的专业知识（包括地理区域、驾驶条件和道路类型）。随着时间的推移，Waymo 继续添加他们在公共道路和模拟中遇到的新的代表性场景，或者在扩展到新领域时。
在最近发表在《IEEE 智能交通系统学报》上的一项研究中，由韩国仁川国立大学 Gwangil Jeong 教授领导的一组国际研究人员开发了一种基于物联网的智能端到端系统，用于实时 3D 物体检测，该系统基于深度学习，专门用于自动驾驶情况。
在最近的一项研究中