自动驾驶汽车如何缓解分心驾驶

图。1–分心的司机不注意

想象一下这种常见的情况:一辆汽车在四路交叉路口拉起红灯。当指示灯变为绿色时,车辆随后通过十字路口加速。然而,有一个分心的人驾驶着迎面驶来的汽车,准备通过红灯非法驶离。由于驾驶员缺乏意识,当他或她看到红灯时,无法进行安全的操纵,并发生了碰撞。

这是Recogni撰写的赞助帖子。本文表达的观点是赞助者的观点。

分心的驾驶员是当今社会的沉重负担。每天, 超过1000人 在这种情况下会因车祸受伤。实际上,仅使用手机就占了 所有坠毁事故的27% 在2015年。每年有3000多人丧生,近40万人受伤。鉴于道路乘员的数量是 每年增加,除非找到解决方案,否则这些数字将继续上升。

深入研究背后的机制 这些惊人的统计数据–人类的反应时间非零(1.5秒)。 这意味着,如果他们没有完全集中精力,他们通常会注意到关键 视觉提示为时已晚,导致一系列危险事件。看一眼 下图显示了这一点:

图2 –碰撞场景(1)
图3 –碰撞场景(2)
图4 –碰撞情况(3)

由于驾驶员分心,未能及时发现红灯。当他或她完成反应时,已经发生了碰撞。为了避免这种情况,必须采取某些措施来防止此类情况的发生。

幸运的是,行业正在发生变化 到自动驾驶汽车(AV)模型,提出解决方案 分心的驾驶员提出的情况。查看以下数字以查看 与上述相同的情况,仅在AV取代了 oncoming car.

图5 –冲突规避(1)
图6 –冲突规避(2)
图7 –冲突规避(3)

在仅由人员充当乘客的情况下,消除了1.5秒的反应时间,并且AV有足够的时间安全地在红绿灯处制动以避免碰撞。使用自动驾驶汽车,人是否分心都没关系–可以避免这种事故。

当我们开车实时处理周围环境时,我们的大脑会使用数据中心级别的计算,同时消耗最少的电量。然而,即使具有这种巨大的能力,人类也不完美地驾驶。为了完全减轻人为错误,无人驾驶汽车必须配备一个平台,该平台对于每瓦特的功率消耗至少生成75每秒的Tera-Operations(TOPS)计算。这个未解决的优化障碍称为 视觉感知问题.

不幸的是,当今市场上的当前解决方案只能实现部分自治。这些平台基于重新利用的传统技术,例如GPU。因为它们不是专为自动驾驶而设计的,所以从功能的角度来看它们受到限制,并且无法解决视觉感知问题。为了解决分心驾驶的问题,必须向市场推出新颖的,专门设计的解决方案,以使全自动驾驶汽车成为可能,并允许人类完全充当乘客,从而消除人为错误的任何风险。

产品管理@ Sidhart Krishnamurthi 识别

要了解有关Recogni的更多信息,请查看 www.recogni.com

实时物体识别

原版的。经许可重新发布。

关于识别

实时物体识别

查看所有的认可→