scholarly journals Survey of Pedestrian Detection for Advanced Driver Assistance Systems

2010 ◽  
Vol 32 (7) ◽  
pp. 1239-1258 ◽  
Author(s):  
David Gerónimo ◽  
Antonio M López ◽  
Angel D Sappa ◽  
Thorsten Graf
Keyword(s):  
Pedestrian Detection ◽  
Driver Assistance ◽  
Driver Assistance Systems ◽  
Advanced Driver Assistance Systems ◽  
Assistance Systems

scholarly journals From Antenna Design to High Fidelity, Full Physics Automotive Radar Sensor Corner Case Simulation

2018 ◽  
Vol 2018 ◽  
pp. 1-19 ◽  
Author(s):  
Ushemadzoro Chipengo ◽  
Peter M. Krenz ◽  
Shawn Carpenter
Keyword(s):  
Target Identification ◽  
Pedestrian Detection ◽  
High Fidelity ◽  
Driver Assistance ◽  
Automotive Radar ◽  
Driver Assistance Systems ◽  
Advanced Driver Assistance Systems ◽  
Radar Systems ◽  
False Target ◽  
Assistance Systems

Advanced driver assistance systems (ADAS) have recently been thrust into the spotlight in the automotive industry as carmakers and technology companies pursue effective active safety systems and fully autonomous vehicles. Various sensors such as lidar (light detection and ranging), radar (radio detection and ranging), ultrasonic, and optical cameras are employed to provide situational awareness to vehicles in a highly dynamic environment. Radar has emerged as a primary sensor technology for both active/passive safety and comfort-advanced driver-assistance systems. Physically building and testing radar systems to demonstrate reliability is an expensive and time-consuming process. Simulation emerges as the most practical solution to designing and testing radar systems. This paper provides a complete, full physics simulation workflow for automotive radar using finite element method and asymptotic ray tracing electromagnetic solvers. The design and optimization of both transmitter and receiver antennas is presented. Antenna interaction with vehicle bumper and fascia is also investigated. A full physics-based radar scene corner case is modelled to obtain high-fidelity range-Doppler maps. Finally, this paper investigates the effects of inclined roads on late pedestrian detection and the effects of construction metal plate radar returns on false target identification. Possible solutions are suggested and validated. Results from this study show how pedestrian radar returns can be increased by over 16 dB for early detection along with a 27 dB reduction in road construction plate radar returns to suppress false target identification. Both solutions to the above corner cases can potentially save pedestrian lives and prevent future accidents.

Advanced driver assistance systems: Using multimodal redundant warnings to enhance road safety

2017 ◽  
Vol 58 ◽  
pp. 238-244 ◽  
Author(s):  
Francesco Biondi ◽  
David L. Strayer ◽  
Riccardo Rossi ◽  
Massimiliano Gastaldi ◽  
Claudio Mulatti
Keyword(s):  
Road Safety ◽  
Driver Assistance ◽  
Driver Assistance Systems ◽  
Advanced Driver Assistance Systems ◽  
Assistance Systems

MỘT PHƯƠNG PHÁP PHÁT HIỆN ĐIỂM MÙ VỚI ĐỘ TIN CẬY CAO VÀ THỜI GIAN THỰC CHO CÁC HỆ THỐNG HỖ TRỢ LÁI XE THÔNG MINH

2020 ◽  
pp. 47-58
Author(s):  
Sơn
Keyword(s):  
Region Of Interest ◽  
Driver Assistance ◽  
Driver Assistance Systems ◽  
Advanced Driver Assistance Systems ◽  
Assistance Systems

Các hệ thống hỗ trợ lái xe tiên tiến (Advanced Driver Assistance Systems: ADAS) đóng một vai trò quan trọng trong hệ thống an toàn chủ động chỉ có camera và các phương tiện tự động thông minh. Đối với các ứng dụng này, các yêu cầu về hiệu suất phát hiện đáng tin cậy và thời gian thực là các yếu tố cấp thiết. Bài báo này đề xuất giải pháp tối ưu tốc độ phát hiện ô tô và giảm các cảnh báo lỗi cho các hệ thống phát hiện điểm mù. Theo đó, trước tiên chúng tôi đề xuất bộ phân tầng Cascade – AdaBoost cùng với tập dữ liệu mẫu và thuật toán đào tạo của chúng tôi. Ngoài ra, để cải thiện tốc độ phát hiện, một kĩ thuật lựa chọn vùng quan tâm (Region of Interest: ROI) cũng được sử dụng để tránh trích xuất các vùng có khả năng tạo ra các cảnh báo lỗi như là bầu trời hoặc các vùng không phù hợp với phối cảnh. Phương pháp đề xuất đã tăng tốc độ phát hiện lên ít nhất 1,9 lần và giảm cảnh báo lỗi 2,24 lần so với phương pháp truyền thống ở các ảnh có độ phân giải cao (720 x 480) với tỷ lệ phát hiện đạt 99,4% và tỷ lệ cảnh báo lỗi nhỏ là 4,08%. Phương pháp đề xuất này có thể được ứng dụng cho các xe tự hành thông minh thời gian thực.

Gradient Reversal Domain Adaptation Pipeline in Advanced Driver Assistance Systems

2021 ◽  
Author(s):  
Francesco Rundo ◽  
Roberto Leotta ◽  
Sebastiano Battiato ◽  
Concetto Spampinato ◽  
Sabrina Conoci
Keyword(s):  
Domain Adaptation ◽  
Driver Assistance ◽  
Driver Assistance Systems ◽  
Advanced Driver Assistance Systems ◽  
Assistance Systems
Sign in / Sign up

Export Citation Format

Share Document