研究人员开发了一种新型的基于深度学习的自动驾驶汽车检测系统

自动驾驶汽车具有解决交通拥堵、增强车与车之间通信的交通流量以及通过提供舒适和安全的旅程来提高四轮体验的优势此外，将自动驾驶技术集成到电动汽车中，可以控制对汽车友好的运输解决方案

自动车辆进入的一个关键要求是能够检测到多个堆垛机、行人和其他车辆周围的障碍物并穿越不同的环境目前的自动驾驶车辆使用智能传感器，如用于三维观察腐蚀和深度信息的激光雷达（光探测和测距），用于夜间和夜间探测物体的RADaR（无线电探测和测距法），以及用于提供RGBimage和360度视图的一组相机，用于收集点云中已知的综合感知数据集然而，这些传感器软化了挑战，降低了在人造负载或集群中的检测能力

为了克服这些缺点，韩国首尔国立大学嵌入式系统工程系的GwanggilJeon教授最近开发了一种突破性的基于Things-Enabled部署搜索的互联网多目标检测系统Prof解释道：“我们提出的系统运行时间很长，增强了无人驾驶车辆的目标检测能力，使整个交通的航行更加平稳和安全。”全该报告于2022年10月17日在线发布，并于2023年11月发表在《智能传输系统IEEE事务》杂志第24卷第11期

提出的创新系统基于YOLOv3（YouOnlyLookOnce）深度学习对象检测技术，这是2D可视化检测中最先进的技术研究人员首先将这种新模型用于多目标检测，并修改了YOLOv3检测3D目标的技术使用点云数据和RGBimage作为输入，系统会生成带有置信度的边界框，并为可见障碍物添加标签

为了评估系统的性能，我们使用Lyft数据集进行了实验，该数据集包括在四个月内从加利福尼亚州帕洛阿尔托的20辆自动车辆行驶预定路线中采集的道路信息结果表明，YOLOv3展示了它的准确性，超越了其他艺术建筑的状态值得注意的是，2和3对象检测的总体准确率分别为96%和97%

教授Jeone强调了增强检测能力的潜力：“通过提高检测能力，该系统可以将无人驾驶汽车推进主流。无人驾驶汽车的引入有可能改变交通运输和物流行业，通过减少对人类驾驶的依赖和引入更高效的交通运输方法，提供经济效益。”

此外，预计现有工作将促进传感器、机器人和人工智能等不稳定技术领域的研究和发展首先，该平台将探索3D对象检测的条件搜索算法，识别当前的焦点2尺寸开发

保险，这项开创性的研究可以为广泛使用无人驾驶汽车以及更友好、更舒适的运输方式铺平道路