Курсовая работа: Деревья решений для настройки параметров алгоритмов ADAS

Оглавление

























3

Введение

Безопасность на дороге является одним из главных приоритетов для участников дорожного движения. Несмотря на понятность этой про-блемы и различные меры по регуляции движения, в России за 2021 год произошло 133 тысячи автомобильных аварий с пострадавшими [24]. Чаще всего такие происшествия случаются не по вине производителей транспортных средств, а из-за человеческих ошибок во время вожде-ния. Для борьбы с этой проблемой изучается возможность как можно больше автоматизировать процесс вождения, чтобы минимизировать человеческий фактор.

Усовершенствованная система помощи водителю (Advanced Driver-Assistance System, ADAS) — класс систем дополненной реальности для помощи водителю на дороге. ADAS использует различные сенсоры для моделирования окружающего мира, в частности, камеры и лидары, чтобы избежать столкновений, предупреждать водителя об опасностях, помогать оставаться на дороге или даже взять контроль над транспорт-ным средством при необходимости.

Для моделирования окружающей среды ADAS использует различ-ные алгоритмы компьютерного зрения, такие как детектирование ли-ний или сегментирование точек лидаров на объекты. Часто такие ал-горитмы имеют глубокое пространство для настройки. Так, например, алгоритм Canny [3], позволяющий находить контуры объектов на изоб-ражении, имеет следующие параметры: два пороговых значения для удаления шумных линий, и степень сглаживания. Такие параметры на-зываются гиперпараметрами алгоритма, так как задаются пользовате-лем, а не рассчитываются самим алгоритмом.

зависимости от значений этих гиперпараметров поведение алго-ритма может сильно меняться. По этой причине в АО «Кама» есть запрос на подход, с помощью которого