李骏院士团队：自动驾驶汽车目标检测算法的不确定性评价

2021-09-29 21:16:37· 来源：清研汽车研习社

论文题目：Uncertainty evaluation of object detection algorithms for autonomous vehicles作者：彭亮，王红，李骏转自：汽车学会本文从自动驾驶汽车的复杂目

论文题目：Uncertainty evaluation of object detection algorithms for autonomous vehicles

作者：彭亮，王红，李骏

转自：汽车学会

本文从自动驾驶汽车的复杂目标检测算法中提取出其认知不确定性，随后根据认知不确定性与算法置信度间的关系优化了评价体系，并通过特定预期功能安全（SOTIF）场景下的实验结果验证了所提方法的可行性和有效性。

主要研究内容：

（1）YOLOv3网络架构调整

基于Monte-Carlo Dropout方法对YOLOv3网络架构进行了调整，使得目标检测算法在识别物体的同时，量化得到相应的认知不确定性。

（2）置信度修正

本文还利用认知不确定性对算法置信度进行了修正。遵循不确定度高时置信度应调低，不确定度低时置信度应调高的规律，在设计修正因子时保证期望不变。结果表明，修正后的平均置信度大多数情况都实现了向准确率的靠拢，仅在样本少且漏检多的cyclist类别出现了失误。

（3）目标检测算法评价体系的优化

使用修正后的置信度进行mAP等目标检测算法评价指标的计算，优化后的目标检测算法mAP评价体系如Fig. 1所示。

（4）SOTIF场景库建立

建立了一个感知SOTIF场景库，其中包括各种极端天气和不利光照条件下的道路图像。

（5）实验验证

将SOTIF场景库提供给目标检测算法识别，场景库中有近三百张从车辆视角获取的图片参与了测试，涵盖了不同道路、不同季候、不同时刻、不同天气的多元化场景。实验结果验证了所提方法的可行性和有效性。

引用词条

Peng, L., Wang, H. & Li, J.: Automotive Innovation (2021)

分享到：

点赞 0 反对 0 举报 0 收藏 0 评论 0

0 条相关评论

• 新能源汽车能效高精度解析及优化	• 新能源汽车高压线束屏蔽效能测试
• IDIADA运用驾驶模拟器进行低附着系数场景测试提升车辆安	• 电动车辆EMC测试标准 ISO21498分析
• 基于ODYSSEE 的机器学习方法在汽车约束系统鲁棒性分析中的	• AEB \| 仿真工具在先进制动系统开发中的应用
• 横河记录仪：带电测量与高压测量详解	• 解密汽车结构强度路面冲击误用开发技术
• 新能源汽车动力系统试验解析-驱动电机系统&动力电池系统	• 新能源汽车小三电系统OBC&DCDC&PDU测试

编辑推荐