کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6925885 | 1448878 | 2017 | 5 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Networked high-speed vision for evasive maneuver assist
ترجمه فارسی عنوان
چشم انداز سرعت بالا برای کمک به مانور انحرافی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
کمک مانور بیحوصلگی ارتباطات زیرساخت به وسیله نقلیه، بینش سرعت بالا شبکه،
ترجمه چکیده
ما یک چارچوب برای مانور انحرافی پیشنهاد می کنیم که با استفاده از آرایه ای از دوربین های با سرعت بالا قادر به برقراری ارتباط با یکدیگر از طریق یک شبکه است، به نام دید شبکه با سرعت بالا. این سیستم دارای دید وسیع و واکنش بالا است و وسایل نقلیه را قادر می سازد اطلاعاتی در مورد خطرات احتمالی را بلافاصله پس از آن که در اطراف آنها ظاهر شود، دریافت کند، به این ترتیب آنها می توانند مانور منفعل را با بیشترین سرعت ممکن انجام دهند. ما اثربخشی سیستم پیشنهادی را در یک سناریوی معمولی که در آن مانور انحرافی انجام می شود، نشان دادیم. آزمایشات با یک پلت فرم ماشین روباتیک و شبیه سازی نشان داد که سیستم پیشنهادی سیستم کامپیوتری متشکل از دوربین فیلمبرداری را بهبود بخشید.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
We propose a framework for evasive maneuver assist using an array of high-speed cameras capable of communicating with each other via a network, called networked high-speed vision. The system has a wide field-of-view and high responsiveness, enabling vehicles to receive information about potential dangers immediately after it appears around them, thus allowing them to perform evasive maneuvering as quickly as possible. We demonstrated the effectiveness of the proposed system in a typical scenario in which evasive maneuvering is performed. Experiments with a robotic car platform and simulations showed that the proposed system outperformed a system composed of a video-rate camera.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: ICT Express - Volume 3, Issue 4, December 2017, Pages 178-182
Journal: ICT Express - Volume 3, Issue 4, December 2017, Pages 178-182
نویسندگان
Masahiro Hirano, Akihito Noda, Masatoshi Ishikawa, Yuji Yamakawa,