自动驾驶汽车如何应对危险的照明条件

想象一下这种常见情况 在危险的照明条件下–您在住宅区中行驶 一个有雾的早晨,附近的一个繁忙的十字路口上出现。因为 天气不理想,您不会及时注意到即将到来的红灯。 在您做出反应时,您非法左转弯并发生了碰撞 另一个司机朝相反的方向移动。

这是Recogni撰写的赞助帖子。本文表达的观点是赞助者的观点。

 考察这种情况对社会的总体影响-几乎 40,000 这些类型的事故中,每年发生的事故中,有15,000多人受伤。除了有雾的环境外,还有许多其他因素可能导致危险的照明条件。太阳眩光会对视力构成重大威胁,因此必须做出更快的反应,但是不幸的是,这可能不可行。结果,几乎 10,000 每年都会发生与太阳眩光有关的事故。另外,许多道路,特别是在农村地区,道路照明不足,限制了人们对周围物体的意识。因此,此类道路上的乘客有一个 几率提高35% 是深夜/清晨撞车的受害者。

深入研究为何发生此类冲突的机制– 人类的反应时间为非零(1.5s)。由于这种延迟,人们常常无法及时进行安全操作。请查看下面的一系列图像以形象地解决此问题:

图2 –碰撞步骤1
图3 –碰撞步骤2
图4-碰撞步骤3

如您所见,由于 驾驶员注意到红色时,雾气带来的危险照明 光,为时已晚,眼前有危险。显然,必须 成为可以消除人类反应时间并改善道路的解决方案 safety for everyone.

幸运的是,自动驾驶汽车(AV)为道路上的危险照明条件提供了解决方案。在人类仅充当乘客的情况下,消除了非零反应时间。为了说明这种效果,请看下面的一系列图像,以查看上述场景的描述,仅适用于自动驾驶车辆:

图5 –冲突规避步骤1
图6 –冲突规避步骤2
图7 –冲突规避步骤3

在人类为乘客的情况下,由于非零反应时间而导致的时间延迟得以消除,从而为车辆提供了安全操作的更大时间范围。结果,即使在危险的照明条件下,例如上述情况下的雾,AV也可以防止碰撞。

当人类开车时,我们的大脑通过数据中心级别的计算实时处理大量周围的视觉数据,而功耗却比灯泡少。模仿这些功能而无需驾驶 任何 在人工干预下,AV必须配备一个平台,每瓦特功率至少可以产生75每秒Tera-Operations(TOPS)。这个未解决的优化问题称为 视觉感知问题 这是社会实现完全自治及其所有后续安全利益的最大障碍。

当前,平台基于重新利用传统技术。因为这些产品不是为实现全自动驾驶汽车而专门设计的,所以它们只能实现部分自主驾驶。为了允许车辆自行驾驶,汽车原始设备制造商必须用能够解决视觉问题的解决方案来替代其现有的,技术上受限制的解决方案。

            We @ 认出 正在开发这样的解决方案。我们的 新颖的专用产品基于数学,ASIC的关键创新 架构和AI。结果,我们的平台可以生成 100 TOPS 每瓦功耗。这些无与伦比的功能说明 我们是市场上唯一可以解决视觉问题的人 问题。由于我们的产品对于完全自治显然是必不可少的,因此OEM必须 将我们的解决方案水平整合到他们的工具中,让社会体验 危险的照明条件下没有碰撞的道路。

产品管理@ Sidhart Krishnamurthi 认出

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→