論文の概要: Assessment of Vehicular Vision Obstruction Due to Driver-Side B-Pillar
and Remediation with Blind Spot Eliminator
- arxiv url: http://arxiv.org/abs/2302.07088v1
- Date: Wed, 8 Feb 2023 18:56:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 14:22:30.017327
- Title: Assessment of Vehicular Vision Obstruction Due to Driver-Side B-Pillar
and Remediation with Blind Spot Eliminator
- Title（参考訳）: ドライバサイドBピラーによる視力障害の評価とブラインドスポット除去器による治療
- Authors: Dilara Baysal
- Abstract要約: 運転者側のBピラーによって生成された盲点は、運転者が周囲を正確に評価する能力を損なう。
本稿では, Blind Spot Eliminator という解を提案し, 障害物角を小さくし, 必要なドライバの動きを低減できることを実証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Blind spots created by the driver-side B-pillar impair the ability of the
driver to assess their surroundings accurately, significantly contributing to
the frequency and severity of vehicular accidents. Vehicle manufacturers are
unable to readily eliminate the B-pillar due to regulatory guidelines intended
to protect vehicular occupants in the event of side collisions and rollover
incidents. Furthermore, assistance implements utilized to counteract the
adverse effects of blind spots remain ineffective due to technological
limitations and optical impediments. This paper introduces mechanisms to
quantify the obstruction caused by the B-pillar when the head of the driver is
facing forward and turning 90 degrees, typical of an over-the-shoulder blind
spot check. It uses the metrics developed to demonstrate the relationship
between B-pillar width and the obstruction angle. The paper then creates a
methodology to determine the movement required of the driver to eliminate blind
spots. Ultimately, this paper proposes a solution, the Blind Spot Eliminator,
and demonstrates that it successfully decreases both the obstruction angle and,
consequently, the required driver movement. A prototype of the Blind Spot
Eliminator is also constructed and experimented with using a mannequin to model
human vision in a typical passenger vehicle. The results of this experiment
illustrated a substantial improvement in viewing ability, as predicted by
earlier calculations. Therefore, this paper concludes that the proposed Blind
Spot Eliminator has excellent potential to improve driver safety and reduce
vehicular accidents.
Keywords: B-pillar, driver vision, active safety, blind spots,
transportation, crash avoidance, side-view assist.
- Abstract（参考訳）: 運転者側のBピラーが生み出した盲点には、運転者が周囲を正確に評価する能力が損なわれ、車両事故の頻度と重大さに大きく寄与した。
車両メーカーは、側方衝突やロールオーバー事故時に車両の乗員を保護するための規制ガイドラインのため、容易にbピラーを除去できない。
さらに、盲点の悪影響に対処するために使用される補助具は、技術的制限と光学的障害のために効果が残っていない。
本稿では,運転者の頭部が前方に向き,90度回転する際のBピラーによる障害を定量化する機構について紹介する。
これは、bピラー幅と閉塞角度の関係を示すために開発されたメトリクスを使用する。
この論文は、ドライバーが盲点を取り除くのに必要な動きを決定する方法を示している。
最終的に,Blind Spot Eliminator という解法を提案し,障害物角と運転者の運動量の両方を減少させることを実証した。
blind spot eliminatorのプロトタイプも製造され、典型的な乗用車における人間の視覚をモデル化するためにマネキンを使用して実験された。
この実験の結果は、以前の計算で予測されたように、視聴能力が大幅に向上したことを示している。
そこで本研究では,Blind Spot Eliminatorは運転者の安全と車両事故の低減に優れた可能性を秘めている。
キーワード:Bピラー、ドライバービジョン、アクティブセーフティ、盲点、輸送、事故回避、サイドビューアシスト。
関連論文リスト
- LanEvil: Benchmarking the Robustness of Lane Detection to Environmental Illusions [61.87108000328186]
レーン検出(LD)は自律走行システムにおいて不可欠な要素であり、適応型クルーズ制御や自動車線センターなどの基本的な機能を提供している。
既存のLDベンチマークは主に、環境錯覚に対するLDモデルの堅牢性を無視し、一般的なケースを評価することに焦点を当てている。
本稿では、LDに対する環境錯覚による潜在的な脅威について検討し、LanEvilの最初の総合ベンチマークを確立する。
論文 参考訳（メタデータ） (2024-06-03T02:12:27Z) - Towards Increasing the Robustness of Predictive Steering-Control
Autonomous Navigation Systems Against Dash Cam Image Angle Perturbations Due
to Pothole Encounters [0.0]
自動車メーカーは、自動運転車のための自動ナビゲーションとステアリング制御アルゴリズムを作成するために競争している。
これらの自律システムにポットホール回避を組み込む研究が進行中である。
ポットホールを打つときのカメラアングルの摂動は、予測されたステアリングアングルの誤差を引き起こす。
本稿では,このような角度摂動を補償し,ステアリング制御予測アルゴリズムの誤差を低減する新しいモデルを提案する。
論文 参考訳（メタデータ） (2023-10-06T00:58:52Z) - Infrastructure-based End-to-End Learning and Prevention of Driver
Failure [68.0478623315416]
フェールネットは、規模が拡大したミニ都市において、名目上と無謀なドライバーの両方の軌道上で、エンドツーエンドでトレーニングされた、繰り返しニューラルネットワークである。
制御障害、上流での認識エラー、ドライバーのスピードを正確に識別し、名目運転と区別することができる。
速度や周波数ベースの予測器と比較すると、FailureNetのリカレントニューラルネットワーク構造は予測能力を向上し、ハードウェアにデプロイすると84%以上の精度が得られる。
論文 参考訳（メタデータ） (2023-03-21T22:55:51Z) - Cognitive Accident Prediction in Driving Scenes: A Multimodality
Benchmark [77.54411007883962]
本研究では,視覚的観察と運転者の注意に対する人為的な文章記述の認識を効果的に活用し,モデルトレーニングを容易にする認知事故予測手法を提案する。
CAPは、注意テキスト〜ビジョンシフト融合モジュール、注意シーンコンテキスト転送モジュール、運転注意誘導事故予測モジュールによって構成される。
我々は,1,727件の事故ビデオと219万フレーム以上の大規模ベンチマークを構築した。
論文 参考訳（メタデータ） (2022-12-19T11:43:02Z) - Reinforcement Learning for Predicting Traffic Accidents [2.255666468574186]
本稿では,この事故予測プラットフォームにおいて,二重アクターと正規化批評家(DARC)手法を初めて活用することを提案する。
DARCからインスピレーションを得たのは、現在、事故予知に適した連続行動空間における最先端の強化学習(RL)モデルであるためである。
その結果,DARCを有効活用することにより,従来の手法に比べて精度の指標を多数改善しながら,平均で5%早く予測できることがわかった。
論文 参考訳（メタデータ） (2022-12-09T05:53:30Z) - Modelling and Detection of Driver's Fatigue using Ontology [60.090278944561184]
道路事故は世界8大死因である。
様々な要因がドライバーの疲労の原因となっている。
ドライバの疲労検出に関するオントロジー知識とルールをインテリジェントシステムに統合する必要がある。
論文 参考訳（メタデータ） (2022-08-31T08:42:28Z) - An active approach towards monitoring and enhancing drivers'
capabilities -- the ADAM cogtec solution [1.0312968200748118]
特定の瞬間における運転者の認知能力は、運転者の安全性を評価する上で最も明白な変数である。
視覚刺激に対するドライバーの眼反応が記録された閉ループ法を開発した。
機械学習アルゴリズムは、警戒状態の眼反応に基づいて訓練され、疲労や物質乱用による能力低下を検出することができた。
論文 参考訳（メタデータ） (2022-04-05T07:46:07Z) - Driver Glance Classification In-the-wild: Towards Generalization Across
Domains and Subjects [5.562102367018285]
運転者の気晴らしを検出する機能を備えた運転支援システム(ADAS)は、事故の防止と運転者の安全向上に役立つ。
運転者の顔のパッチを眼領域の作物と共に入力し、視線を車両内の6つの粗い関心領域(ROI)に分類するモデルを提案する。
論文 参考訳（メタデータ） (2020-12-05T00:23:01Z) - Driver Intention Anticipation Based on In-Cabin and Driving Scene
Monitoring [52.557003792696484]
本稿では,車内映像と交通シーン映像の両方に基づいて運転者の意図を検出する枠組みを提案する。
本フレームワークは,83.98%,F1スコア84.3%の精度で予測を行う。
論文 参考訳（メタデータ） (2020-06-20T11:56:32Z) - Road Curb Detection and Localization with Monocular Forward-view Vehicle
Camera [74.45649274085447]
魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。
我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
論文 参考訳（メタデータ） (2020-02-28T00:24:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。