A computer-implemented method executed by a processor for training a neural network to recognize driving scenes from sensor data received from vehicle radar is presented. The computer-implemented method includes extracting substructures from the sensor data received from the vehicle radar to define a graph having a plurality of nodes and a plurality of edges, constructing a neural network for each extracted substructure, combining the outputs of each of the constructed neural networks for each of the plurality of edges into a single vector describing a driving scene of a vehicle, and classifying the single vector into a set of one or more dangerous situations involving the vehicle.
L'invention concerne un procédé mis en œuvre par ordinateur et exécuté par un processeur pour former un réseau neuronal en vue de reconnaître des scènes de conduite à partir de données de capteur reçues de la part d'un radar de véhicule. Le procédé mis en œuvre par ordinateur comprend l'extraction de sous-structures à partir des données de capteur reçues de la part du radar de véhicule pour définir un graphe ayant une pluralité de nœuds et une pluralité de bords, la construction d'un réseau neuronal pour chaque sous-structure extraite, la combinaison des sorties de chacun des réseaux neuronaux construits pour chacun de la pluralité de bords en un seul vecteur décrivant une scène de conduite d'un véhicule, et la classification du vecteur unique en un ensemble d'une ou plusieurs situations dangereuses impliquant le véhicule.
DETECTING DANGEROUS DRIVING SITUATIONS BY PARSING A SCENE GRAPH OF RADAR DETECTIONS
DÉTECTION DE SITUATIONS DE CONDUITE DANGEREUSES PAR ANALYSE D'UN GRAPHE DE SCÈNE DE DÉTECTIONS RADAR
2018-11-01
Patent
Electronic Resource
English
SYSTEM OF AVOIDING DANGEROUS SITUATIONS FOR SELF DRIVING CARS
European Patent Office | 2022
SYSTEM OF AVOIDING DANGEROUS SITUATIONS FOR SELF DRIVING CARS
European Patent Office | 2022
|European Patent Office | 2020
|Scene parsing using graph matching on street-view data
British Library Online Contents | 2016
|