Kamera görüntülerinden çarpışma tahminlemesi

Otonom araç teknolojileri geliştikçe, dinamik trafik ortamlarında güvenliği sağlamak için güvenilir algılama ve yanıt mekanizmalarına duyulan ihtiyaç kritik hale gelmektedir. Bu çalışma, tek kamera girişi kullanarak araç çarpışmalarını gerçek zamanlı olarak tespit ve tahmin etmek için R-CNN, Kalman Filtresi, Gizli Markov Zinciri ve Yapay Sinir Ağı ile geliştirilmiş yeni bir hibrit model sunmaktadır. Sistem, video akışlarında nesne tespiti ve çoklu nesne takibi gerçekleştirmekte, modifiye edilmiş bir Kalman Filtresi aracılığıyla olasılıksal hareket tahmini uygulamakta ve Gizli Markov Zinciri ile Yapay Sinir Ağı'nın hibrit yaklaşımını kullanarak durum geçişlerini iyileştirmektedir. Önerilen mimari, tespit doğruluğunu önemli ölçüde artırmakta ve hızlı hareket altında gecikmeyi azaltmaktadır; bu da geleneksel filtreleme tekniklerinin sınırlamalarını tekrar göz önününe alınması gerekliliğini ortaya koymaktadır. Model CARLA simülasyonu, video görüntüleri ve gerçek zamanlı olarak test edilmiş ve gerçekleştirilen deneyler yüksek etkinlik göstermekte olup video analizinde %94.5 tespit doğruluğu ve gerçek zamanlı uygulamada %91.2 doğruluk sağlamaktadır. ANN entegrasyonu, tespit gecikmesinde 0.5 saniyelik bir azalma sağlamış olup, bu da ortalama insan tepki süreleri göz önüne alındığında kritik bir iyileştirme sağlamaktadır. Bu sonuçlar, derin öğrenmenin olasılıksal modelleme ile birleştirilmesinin zamansal olarak göz ardı edilebilecek bir artışa neden olsa da tespit tutarlılığında daha verimli sonuçlar elde etmektedir.