Вспомогательные системы для города: распознают опасности

19.11.2015

Движение на перекрестке, велосипедисты, переходящие дорогу пешеходы, увлеченные своими смартфонами, мамы с колясками, играющие дети – городское движение требует от водителя предельного внимания в самых разных ситуациях и может привести к дорожным происшествиям. Тут открывается целое «поле деятельности» для вспомогательных систем, которые помогают водителю и делают поездку в городе безопаснее и спокойнее. Исследователям Daimler AG удалось совершить настоящий прорыв в рамках проекта UR:BAN. С помощью так называемой "классификации сцен" (scene labeling) система, используя камеру, автоматически классифицирует неизвестные ситуации и выявляет все важные для помощи водителю объекты: велосипедистов, пешеходов и тех, кто передвигается в инвалидной коляске.
Исследователи отдела „Мониторинг окружающей обстановки“ загрузили в свою систему тысячи фотографий различных немецких городов, на которых они вручную точно обозначили 25 различных классов объектов: автомобили, велосипедисты, пешеходы, улицы, тротуары, здания, столбы или деревья. На основе таких примеров система научилась автоматически правильно классифицировать абсолютно неизвестные ситуации и тем самым определять важные для помощи водителю объекты, даже если они скрыты или находятся очень далеко. Это стало возможным благодаря мощным компьютерам, которые объединены в одну сеть искусственными нейронами подобно тому, как это происходит в человеческом мозге - так называемые Deep Neural Networks (глубокие нейронные сети).
Третий тестовый автомобиль был оснащен системой обнаружения, классификации и распознавания намерений пешеходов и велосипедистов. Как настоящий водитель эта система анализирует положение головы, тела и местоположение на обочине, чтобы предсказать, останется ли пешеход на тротуаре или перейдет дорогу. В опасных ситуациях это позволяет получить реакцию системы предотвращения ДТП на секунду ранее, чем это происходит сейчас у систем, представленных на рынке.
С помощью пятого тестового автомобиля были продемонстрированы возможности прогнозирования поведения водителя при запланированном перестроении или повороте. В ситуации перестроения, например, взгляды через плечо соотносятся с уже установленными параметрами движения. Возможный процесс поворота может быть предсказан на основе комбинации поворота руля, снижения скорости и информации с карт. В ходе презентации в автомобиле автоматически включался индикатор поворота, информируя окружающих о маневре.