کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6941033 870147 2016 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Automated synchronization of driving data using vibration and steering events
ترجمه فارسی عنوان
هماهنگ سازی خودکار اطلاعات رانندگی با استفاده از لرزش و فرمان رویدادها
کلمات کلیدی
همزمان سازی منفعل، همبستگی صلیبی، همجوشی سنسور خودرو، جریان نوری، داده های رانندگی در جاده ها
ترجمه چکیده
ما یک روش برای هماهنگ سازی خودکار سنسورهای وسایل نقلیه مفید برای مطالعه رفتار رانندگی چند منظوره و طراحی سیستم های پیشرفته راننده را پیشنهاد می کنیم. فیوژن تصمیم گیری چند سنسوری به جریانهای داده همگام سازی شده در (1) زمینه یادگیری نظارت آفلاین و (2) بستر پیش بینی آنلاین متکی است. در عمل، چنین جریان داده ها اغلب از هماهنگی ناشی از عدم وجود یک ساعت زمان واقعی، استفاده از دستگاه های ضبط چندگانه یا برنامه ریزی برنامه نادرست و مدیریت بافر داده است. همبستگی متقابل شتاب سنج، تله متری، صوتی و جریان نوری متراکم از سه سنسور ویدئویی برای رسیدن به یک خطای هماهنگ سازی به طور متوسط ​​از 13 میلی ثانیه استفاده می شود. بینش مبتنی بر اثربخشی رویکرد پیشنهادی این است که سنسورهای شرح داده شده، جنبه های همپوشانی ارتعاشات وسیله نقلیه و فرمان وسیله نقلیه را قادر می سازند که تابع همبستگی متقابل را به عنوان راهی برای محاسبه تغییر تاخیر در هر سنسور بکار گیرند. علاوه بر این، کاهش خطای همگام سازی را به صورت تابع از طول مدت جریان داده نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
هماهنگ سازی خودکار اطلاعات رانندگی با استفاده از لرزش و فرمان رویدادها
چکیده انگلیسی
We propose a method for automated synchronization of vehicle sensors useful for the study of multi-modal driver behavior and for the design of advanced driver assistance systems. Multi-sensor decision fusion relies on synchronized data streams in (1) the offline supervised learning context and (2) the online prediction context. In practice, such data streams are often out of sync due to the absence of a real-time clock, use of multiple recording devices, or improper thread scheduling and data buffer management. Cross-correlation of accelerometer, telemetry, audio, and dense optical flow from three video sensors is used to achieve an average synchronization error of 13 milliseconds. The insight underlying the effectiveness of the proposed approach is that the described sensors capture overlapping aspects of vehicle vibrations and vehicle steering allowing the cross-correlation function to serve as a way to compute the delay shift in each sensor. Furthermore, we show the decrease in synchronization error as a function of the duration of the data stream.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition Letters - Volume 75, 1 May 2016, Pages 9-15
نویسندگان
, , , , , ,