|
如果汽车制造商能够克服法律障碍，L3自动驾驶汽车技术将把人们从A点送到B点，同时允许驾驶员将目光从道路上移开，自由地做其他事情，如发短信或看电影。不过，此类汽车需要具备一种方法，以了解驾驶员在紧急情况下，重新控制车辆的反应有多快，或有多慢。 为了满足该需求，加州大学圣地亚哥分校的Kevan Yuen和Mohan Trivedi研发了新型手部动作追踪系统。 虽然追踪人们的手听起来很简单，但是在狭窄的车内却很难做到，因为车内只有几个位置适合安装摄像头。此外，驾驶员的手也有可能被其他人的手或物体遮挡，摄像头还会被照射到驾驶员手臂上强烈的太阳光阻挡。 Yuen与Trivedi研究的新方法采用了一种现有的追踪人体全身动作的程序，并对该程序进行了调整，使之能够追踪驾驶员和乘客（如果有乘客的话）手腕和肘部的动作。该程序能够区分前排两名乘客的左右手腕和肘关节。然后，研究人员研发了机器学习算法，并进行应用，以训练支持L3自动驾驶技术的系统。研究人员采用了8500张带注释的图片对该系统进行了训练。 Trivedi表示：“该方法能够用于各种真实驾驶环境中，如包括多名人员和多辆车的环境中，以高度准确、非常高效地检测、定位手部检测，并对手部动作进行分析。” 分析表明，该系统能够识别8个关节（乘客/驾驶员的左/右肘/手腕）的位置，准确率高达95%。不过，在估计人类手臂的平均长度时，该系统在定位时有10%的误差。 有些情况下，该追踪系统会无法工作，如驾驶员穿着独特的服装，重度艺术纹身（训练集中没有体现）以及当驾驶员的一只手臂遮挡住了摄像头观察另一只手臂的视线时。 研究人员表示，在测试中遇到的有些问题可以通过将摄像头放置在更恰当的地方，以避免遮挡，从而得到解决，也可以通过使用多幅摄像头视图，增加训练集以包括更多服装种类来解决。 Trivedi表示：“这个项目是我们研发安全自动驾驶汽车研究的一部分。”而且，他补充表示，该研究团队正与至少一位潜在客户讨论在商业环境中采用该项技术的可能性，不过拒绝透露是哪家公司。 |
