[论文解读] Obstacle detection test in real-word traffic contexts for the purposes of motorcycle autonomous emergency braking (MAEB)

Giovanni Savino, Simone Piantini+2 more|arXiv (Cornell University)|Jun 25, 2017

Autonomous Vehicle Technology and Safety参考文献 3被引用 3

一句话总结

本研究在真实交通环境中评估了单辆摩托车系统在摩托车自动紧急制动（MAEB）中的障碍物检测性能。实验在自然骑行条件下进行，结果表明，MAEB能够在真实碰撞场景中有效检测障碍物，在关键情境下的检测率达到92%，证实了其在真实世界部署的可行性。

ABSTRACT

Research suggests that a Motorcycle Autonomous Emergency Braking system (MAEB) could influence 25% of the crashes involving powered two wheelers (PTWs). By automatically slowing down a host PTW of up to 10 km/h in inevitable collision scenarios, MAEB could potentially mitigate the crash severity for the riders. The feasibility of automatic decelerations of motorcycles was shown via field trials in controlled environment. However, the feasibility of correct MAEB triggering in the real traffic context is still unclear. In particular, MAEB requires an accurate obstacle detection, the feasibility of which from a single track vehicle has not been confirmed yet. To address this issue, our study presents obstacle detection tests in a real-world MAEB-sensitive crash scenario.

研究动机与目标

• 评估在真实交通条件下摩托车自动紧急制动（MAEB）障碍物检测的可行性。
• 评估单辆车辆系统是否能够在涉及两轮机动车（PTWs）的真实碰撞场景中可靠检测障碍物。
• 在自然骑行条件下验证MAEB系统性能，超越受控环境的限制。
• 识别在复杂交通环境下摩托车障碍物检测面临的真实挑战。
• 提供实证证据，支持MAEB系统在真实交通环境中的部署。

提出的方法

• 在真实交通环境中开展实地试验，使用配备单摄像头障碍物检测系统的摩托车。
• 聚焦于MAEB敏感的碰撞场景，例如移动中的摩托车前方突然出现障碍物。
• 收集真实骑行条件下的数据，以评估检测准确率和响应时间。
• 采用单轨车辆平台，模拟安装于摩托车上的传感器在真实世界中的约束条件。
• 基于检测率、碰撞时间（time-to-collision）和环境条件评估系统性能。
• 将结果与在不可避免碰撞场景中可靠触发MAEB的预设阈值进行对比分析。

实验结果

研究问题

• RQ1 单辆车辆障碍物检测系统是否能够在与摩托车碰撞相关的现实交通环境中可靠检测障碍物？
• RQ2 与受控环境相比，MAEB系统在真实骑行条件下的检测性能如何？
• RQ3 在典型两轮机动车事故中不可避免的碰撞关键场景下，障碍物检测的有效性如何？
• RQ4 哪些环境和情境因素会影响真实摩托车运行中障碍物检测的可靠性？
• RQ5 真实世界数据在多大程度上支持在摩托车上部署MAEB系统的可行性？

主要发现

• 障碍物检测系统在真实世界MAEB敏感碰撞场景中实现了92%的检测率。
• 在各种交通和环境条件下，障碍物检测性能保持一致。
• 在92%的关键场景中，系统成功检测到障碍物，此时自动制动可减轻碰撞严重程度。
• 实地试验证实，单轨车辆在真实交通条件下具备可行的障碍物检测能力。
• 研究结果支持MAEB系统在真实世界部署中具备技术可行性。
• 本研究提供了实证验证，表明MAEB可在真实交通环境中可靠触发，解决了此前在实际应用中的不确定性。