![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
自动驾驶
文章平均质量分 87
ARRK_Engineering
这个作者很懒,什么都没留下…
展开
-
案例分析-【自动驾驶】训练集优化 | 扩充数据量真的可以提高训练精准度吗?
上期文章中我们介绍了高级驾驶辅助系统(ADAS)当前所面临的困境与挑战,并提出了ARRK的解决方案。下面我们将以具体实例为大家讲述ARRK是如何实现该操作的。ADAS中的ACC功能被选为一个研究案例。它能自动控制车辆的加速和制动,始终与其他道路使用者和障碍物保持足够的距离。为了做到这一点,该系统为每个检测到的物体计算所谓的碰撞时间(TTC)。如果它低于一个定义的阈值,车辆就会做出相应的减速反应。适用情况为车辆本身和前面的物体之间的速度差越大,TTC越短,ACC必须越早做出反应。原创 2023-08-04 15:13:27 · 246 阅读 · 1 评论 -
【自动驾驶】训练集优化 | 扩充数据量真的可以提高训练精准度吗?(上)
高级驾驶辅助系统(ADAS)如今不仅是新车的标配,也是自动驾驶道路上的一个重要里程碑。无论是车道保持、与前车的距离保持,还是在狭小空间停车:辅助系统能够独立完成的工作越多,作为系统基础的神经网络就必须受到更优质的训练。相应地,使用的数据集将持续扩充。然而,这引发了一个问题:训练的数据在多大程度上能真正反映ADAS系统在操作域的情况?这个问题通常不被人重视,并且也很少有人去检验。为了减少系统对错误的敏感度,到目前为止,采用的方法是不断增加数据数量。这导致了不必要的复杂、冗长,因此也是低效的开发过程。原创 2023-07-27 14:31:18 · 114 阅读 · 1 评论