NTT开发出参数化目标识别率估计模型 用于L4级自动驾驶的远程监控视频质量自动评估

盖世汽车讯 为了缓解交通拥堵和驾驶员短缺问题，自动驾驶系统的研究和开发正在不断推进。在L5级自动驾驶中，车辆利用多种传感器数据来检测行人、来车和其他物体，从而实现安全行驶。然而，仅仅应用目标检测技术（即分析传感器数据来检测行人、来车和其他周围物体）不足以进行全面的目标检测，难以实现完全安全的自动驾驶。

因此，在L4级自动驾驶（特定自动驾驶）中，交通法规强制要求设置远程控制室并配备指定的远程操作员。此外，执法法规还规定，如果自动驾驶车辆传输的视频不清晰或无法正常传输和接收，必须通知远程操作员。

目前的远程监控系统缺乏判断自动驾驶车辆传输的视频清晰度是否足以进行有效监控的标准。远程监控视频通过无线通信从自动驾驶车辆接收。当无线通信质量下降时，可用于传输视频的网络带宽也会减少，这会导致视频比特率降低和丢包。

比特率降低会导致视频质量下降，使得远程操作员更难检测到突然出现在自动驾驶车辆前方的物体（图1）。此外，丢包会导致视频帧卡顿，这也使得识别突然出现的物体更加困难（图2）。然而，目前尚不清楚视频质量下降到什么程度或卡顿帧增加到什么程度才会导致远程操作员无法检测到此类物体。

图1及图2 图片来源：NTT

此外，自动驾驶车辆会根据周围环境调整行驶速度。行驶速度变化时，车辆与待检测物体之间的距离也会随之改变。与低速行驶相比，高速行驶时车辆单位时间内行驶的距离更长。因此，如果视频画面不清晰，必须更快地向远程操作员发出通知。

结果，当车辆高速行驶时，需要从更远的距离检测物体，这使得识别突然出现在车辆前方的物体变得更加困难（图3）。然而，行驶速度变化对这类物体检测的影响尚未明确。

图3 图片来源：NTT

打赏 点赞