AI警告摩托车骑手突然变得过于紧张

 
根据估计，在所有摩托车事故中，将近五分之一的摩托车事故造成过快或过大的转弯，这也表明错误判断的曲线应归咎于15%的车手死亡事故。幸运的是，苏黎世联邦理工学院和KU Leuven的研究人员最近在预印本服务器Arxiv.org(“学习摩托车曲线守护者”)的论文中提出了一个解决方案。他们的道路曲率警告系统利用计算机视觉和测绘数据来预测车道位置和摩托车侧倾角，以及未来路径的道路几何形状。
“摩托车上最困难的操作是骑行穿过曲线，因为它涉及骑车者在进入转弯之前调整车速和车道位置，然后调整车把以适当地滚动摩托车，”共同作者写道。 “最轻微的错误可能导致事故，因此研究表明，许多摩托车事故(25-30%)[2]发生在骑车人正在谈判曲线时，这并不奇怪。”
该团队指出，道路曲线预警系统并非完全新颖，但先前的系统主要依赖于关于摩托车车道位置的假设，使用昂贵的传感器，并没有考虑道路倾斜。相比之下，研究人员的方法采用Here Technologies的地图数据库和卷积神经网络 – 通常用于视觉分析的AI架构 – 来预测车道内位置并估计当前的侧倾角，并获得整个美洲，亚洲的道路几何形状和欧洲。
该团队通过在车道内的不同位置提供图像记录来训练双人工智能网络–LNet和RNet，其中一些通过旋转增强以模拟摩托车滚动(从-90度到90度)。研究人员使用定制的摄像机装置收集了这些框架，其中包括七个GoPro Hero 5 Black摄像头，这些摄像头同时捕获了在车道内以规定间隔隔开的不同车道位置的镜头，从而为一个语料库 – 恰当地称为学习数据集 – 提供了大约200万个图像分为训练，验证和测试集。
研究人员接下来模拟了高达10度的偏航和俯仰变化，以提高系统的整体性能，并编制了第二个数据集(摩托车数据集)，其中包含由前置摄像头记录的4小时真实摩托车骑行。他们提取图像和GPS坐标，并使用路径匹配算法预测摩托车在录制过程中最可能行进的路径。这使他们能够获得每个同步视频的地图匹配GPS坐标，他们点击这些坐标来查询地图数据库以获得道路曲率，坡度和速度限制数据。
为了验证他们的方法，研究人员进行了两项测试：一项涉及AI系统在训练期间未遇到的图像，另一项测试模型是使用GoPro摄像机拍摄的真实世界数据。他们报告称，在Nvidia Titan X GPU上训练了来自Learning Dataset的150万张图像24小时的网络在模拟中表现“非常好”，在实际测试中，系统可以预测3.7度均值的滚动角度绝对误差与物理传感器测量值和车道位置相比，在22.4厘米的地面实况中。
“我们在各种各样的现实场景中测试我们的系统，并提供详细的案例研究。我们表明，我们的系统能够预测更准确和更安全的曲线轨迹，从而警告和提高摩托车手的安全性，“共同作者写道。 “大量实验表明，我们的系统能够在野外表现良好，从而形成更完整的摩托车曲线预警系统。”