همیار راننده برای ترمزگیری کامیون های معدنی در حضور موانع دینامیکی

با توجه به وزن بالای کامیون های معدنی و مسافت توقف بالا لازم است به صورت هوشمند و خودکار وجود موانع پیش رو به راننده هشدار داده شود و سطح مناسب شدت ترمز ریتاردر به وی پیشنهاد شود. در این پژوهش فرض می شود که موانع دینامیکی، کامیون های معدنی هستند که در جاده های معدن در حال حرکت هستند و شرایط جوی برای حداقل دید کافی جهت شناسایی توسط راننده مناسب است. این مقاله یک چارچوب مبتنی بر بینایی ماشین برای شناسایی و ردگیری موانع متحرک در جاده های معدنی روباز برای تخمین فاصله، سرعت و شتاب نسبی و پیش بینی مسیر موانع در آینده ارائه می دهد. این مدل سازی با محاسبه شاخص های زمانی برخورد ازجمله زمان تا برخورد و زمان تا برخورد تعمیم یافته، به تصمیم گیری استفاده از زیرسامانه های ترمزگیری کمک می کند. در این پژوهش از الگوریتم یولو برای ردیابی موانع دینامیکی و پیوسته سازی ردیابی موانع در فریم های متوالی استفاده شده است. یک مدل رگرسیون جنگل تصادفی برای تخمین فاصله نسبی بین موانع شناسایی شده و وسیله نقلیه میزبان به کار گرفته می شود. داده های موردنیاز آن از یک پایگاه داده کامیون های معدنی استخراج شده است. سرعت نسبی، شتاب نسبی، زمان تا برخورد و زمان تابرخورد تعمیم یافته برای هر فریم محاسبه و از شبکه عصبی حافظه بلند کوتاه مدت استفاده می شود. اعتبارسنجی این مدل با استفاده از ویدیوهای شبیه ساز رانندگی کامیون معدنی انجام شده است. در نهایت مدل توانست با ردیابی موانع و پیش بینی مسیر احتمالی آینده، موقعیت موانع و تنظیمات مربوط به فرآیند ترمزگیری برای اجتناب از برخورد را ارائه دهد.

کلیدواژه ها:

اجتناب از برخورد ، کامیون های معدنی ، پیش بینی مسیر ، یولو ، حافظه بلند کوتاه مدت