一种基于图像识别技术的驾驶员仿真机器人手部捕捉系统
摘要
驾驶员仿真机器人用于模仿驾驶员的表情、行为举止，进行危险驾驶的动作，对智能座舱的安全性、交互性进行测试。仿真机器人手部需要对方向盘、手机、档把、按钮等进行把持与控制，对这些目标物的寻址通常是依靠空间位置进行输入确定。而车型的不同会导致机器人与方向盘等物体的相对位置改变，从而造成繁琐的标定工作。本文介绍了一种基于图像识别技术的驾驶员仿真机器人手部捕捉系统，通过视觉捕获定位，路径规划等方法，实现了机器人手部对目标的自动捕捉。以座舱内方向盘为目标物代表，通过深度学习的方式，进行自动识别，满足对驾驶员手部安全行为的测试要求。
全文:
PDF参考
Abe, T., Nonomura, T., Komada, Y., Asaoka, S., Sasai, T., Ueno, A., & Inoue, Y. Detecting deteriorated vigilance using percentage of eyelid closure time during behavioral maintenance of wakefulness tests. [J]
International Journal of Psychophysiology, 2011 (82) 269-274.
van Loon, R. J., Brouwer, R. F., & Martens, M. H. Drowsy drivers’ under-performance in lateral control: How much is too much? Using an integrated measure of lateral control to quantify safe lateral driving. [J] Accident analysis & prevention, 2015 (84) 134-143.
王迪. 基于人眼状态的疲劳检测算法研究与应用. [D]电子科技大学, 2020
Jarosch, O., Bellem, H., & Bengler, K. Effects of task-induced fatigue in prolonged conditional automated driving. [J] Human factors, 2019 (61) 1186-1199.
Puspasari, M. A., Iridiastadi, H., Sutalaksana, I. Z., & Sjafruddin, A. Fatigue classification of ocular indicators using support vector machine. [M] In 2018 International Conference on Intelligent Informatics and Biomedical Sciences (ICIIBMS), 2018 (3) 66-69).
张堃. 船舶机舱值班人员眼部视觉识别及疲劳状态监测. [D] 大连海事大学 2019
张博雅. 基于深度学习的驾驶安全评估方法研究. [D] 西安科技大学 2019
黄玲, 洪佩鑫, 吴泽荣, 刘建荣, 黄子虚, 崔躜. 基于防疫常态化的驾驶员疲劳状态检测方法. [J] 交通信息与安全, 2021 (39) 26-34.
(64 摘要 Views, 70 PDF Downloads)
Refbacks
- 当前没有refback。