PreCrash problem of Intelligent Control of autonomous vehicles robot is a very complex problem, especially vehicle pre-crash scenarios and at points of intersections in real-time environments.The goal of this research is to develop a new artificial intelligent adaptive controller for autonomous vehicle Pre-Crash system along with vehicle recognition module and tested in MATLAB including some detailed modules. Following tasks were set: finding Objects in sensor Data (LiDAR. RADAR), Speed and Steering control, vehicle Recognition using convolution neural network and Alexnet.In this research paper, we implemented a real-time image/Lidar processing. At the beginning, we presented a real-time system which is composed of comprehensive modules, these modules are 3d object detection, object clustering and search, ground removal, deep learning using convolutional neural networks. Starting with nearest vehicle module our target is to find the nearest ahead car and consider it as our primary obstacle.This paper presents an Adaptive cruise pre-crash system and vehicle recognition. The Adaptive cruise pre-crash system module depends on Deep Learning and LiDAR sensor data, which meant to control the driver reckless behavior on the road by adjusting the vehicle speed to maintain a safe distance from objects ahead (such as cars, humans, bicycle or whatever the object) when the driver tries to raise speed. At the very moment the vehicle recognition module, detects and recognizes the vehicles surrounding to the car.
Задача предаварийного интеллектуального управления робота автономных транспортных средств является очень сложной проблемой, особенно предаварийные условия транспортных средств и в точках пересечения в условиях реального времени.Целью данного исследования является разработка нового искусственного интеллектуального адаптивного регулятора для системы предаварийной безопасности автономных транспортных средств, а также модуля распознавания транспортных средств и тестирование в MATLAB, включая некоторые детализированные модули. Были поставлены следующие задачи: поиск объектов по данным датчиков (Лидар, Радар), контроль скорости и рулевого управления, распознавание транспортных средств с использованием сверточной нейронной сети и Alexnet.В данной исследовательской работе мы реализовали обработку изображений и лидарных данных в режиме реального времени. Вначале мы представили систему реального времени, которая состоит из комплексных модулей, а именно модули обнаружения трехмерных объектов, группирования и поиска объектов, удаления земли, глубинного обучения с использованием сверточных нейронных сетей. Начиная с модуля ближайшего транспортного средства, наша задача - найти ближайший впереди идущий автомобиль и считать его основным препятствием.В статье представлена адаптивная предаварийная система управления скоростью и распознавания транспортных средств. Модуль адаптивной предаварийной системы управления скоростью зависит от данных глубинного обучения и лидарного датчика, которые предназначены для управления безрассудным поведением водителя на дороге путем регулирования скорости транспортного средства для поддержания безопасного расстояния от объектов впереди (таких как автомобили, люди, велосипед или любой другой объект), когда водитель пытается повысить скорость. В настоящий момент модуль распознавания транспортных средств обнаруживает и распознает транспортные средства вокруг автомобиля
Завдання передаварійного інтелектуального керування робота автономних транспортних засобів є дуже складною проблемою, особливо передаварійні умови транспортних засобів і в точках перетину в умовах реального часу.Метою даного дослідження є розробка нового штучного інтелектуального адаптивного регулятора для системи передаварійної безпеки автономних транспортних засобів, а також модуля розпізнавання транспортних засобів та тестування в MATLAB, включаючи деякі деталізовані модулі. Були поставлені наступні завдання: пошук об'єктів за даними датчиків (Лiдар, Радар), контроль швидкості та рульового управління, розпізнавання транспортних засобів з використанням згорткової нейронної мережі та Alexnet.У даній дослідницькій роботі ми реалізували обробку зображень та лiдарних даних в режимі реального часу. Спочатку ми представили систему реального часу, яка складається з комплексних модулів, а саме модулі виявлення тривимірних об'єктів, групування та пошуку об'єктів, видалення землі, глибинного навчання з використанням згорткових нейронних мереж. Починаючи з модуля найближчого транспортного засобу, наше завдання - знайти найближчий попереду автомобіль і вважати його основною перешкодою.У статті представлена адаптивна передаварiйна система керування швидкістю та розпізнавання транспортних засобів. Модуль адаптивної передаварійної системи керування швидкістю залежить від даних глибинного навчання та лідарного датчика, які призначені для управління безрозсудною поведінкою водія на дорозі шляхом регулювання швидкості транспортного засобу для підтримки безпечної відстані від об'єктів попереду (таких як автомобілі, люди, велосипед або будь-який інший об'єкт), коли водій намагається підвищити швидкість. Наразi модуль розпізнавання транспортних засобів виявляє і розпізнає транспортні засоби навколо автомобіля