Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Наука, технологии, общество: Экологический инжиниринг в интересах устойчивого развития территорий (НТО-VI-2025); Красноярск; Красноярск
Год издания: 2025
Ключевые слова: self-driving car, machine learning, Traffic-sign recognition, path planning, беспилотный автомобиль, машинное обучение, распознавание дорожных знаков, планирование траектории движения
Аннотация: Создание системы управления беспилотным транспортным средством является сложной и трудоёмкой задачей. Внедрение беспилотных систем поспособствует улучшению качества ситуации на дороге, а также уменьшению материального ущерба в случае аварии. Существование беспилотного автомобиля невозможна без умения правильно и быстро распознаватьПоказать полностьюдорожную информацию. Для сбора информации об окружении автомобили использует видеокамеры, радарные датчики, а также технологию оптических систем, использующих явления отражения света и его рассеяния в прозрачных и полупрозрачных средах. Для распознавания дорожной информации чаще всего используются обученные нейронные сети, такие как YOLO, SSD или Faster R-CNN. Построение пути выполняется с использованием метода построения карты окружающей среды и оценивания своего местоположение для локализации и алгоритмов для построения глобального или локального оптимального пути. В данной статье проводиться исследование, направленное на изучение и обобщение методов для распознавания дорожной информации, и построения траектории движения беспилотного транспорта. Также формулируются выводы о том, что необходимо дальнейшее исследование в области разработки системы для построения траектории движения беспилотных транспортных средств Creating a self-driving vehicle control system is a complex and time-consuming task. The introduction of self-driving systems will contribute to improving the quality of the situation on the road, as well as reducing material damage in the event of an accident. The existence of a self-driving vehicle is impossible without the ability to correctly and quickly recognize traffic information. To collect information about the environment, cars use video cameras, radar sensors, as well as optical system technology that uses the phenomena of light reflection and scattering in transparent and translucent media. Trained neural networks such as YOLO, SSD or Faster R-CNN are most often used to recognize traffic information. The path construction is performed using the method of building a map of the environment and estimating its location for localization and algorithms for constructing a global or local optimal path. This article conducts research aimed at studying and generalizing methods for recognizing traffic information and plotting the trajectory of unmanned vehicles. The conclusions are also formulated that further research is needed in the field of developing a system for building the trajectory of self-driving vehicles.
Журнал: Наука, технологии, общество: Экологический инжиниринг в интересах устойчивого развития территорий (НТО-VI-2025)
Номера страниц: 367-375
Место издания: Красноярск