چکيده
صنعت خودرو كه با چشم‌انداز فناوري در حال تكامل مشخص مي‌شود، شاهد اوج نوآوري از طريق سيستم‌هاي پيشرفته كمك راننده (ADAS) است؛ عرصه‌اي كه به طور مداوم در حال گسترش و اصلاح است. در اين حوزه، ظهور سيستم‌هاي هشدار خروج از خط (LDW) و هشدار برخورد از جلو (FCW) به عنوان يك نيروي تعيين‌كننده، انقلابي در ايمني خودرو و كارايي عملياتي ايجاد مي‌كند. توضيح استانداردها و مقررات ADAS كه بر استقرار در دنياي واقعي حاكم است، يك پايه قوي ايجاد مي‌كند. به طور قابل‌توجهي، آزمايش‌هاي محوري در نظر گرفته شده بر روي خودروهاي مجهز به اين سيستم‌ها نيز در اين استانداردها ذكر شده و شرايط لازم براي عملكرد بهينه آن‌ها ارائه شده است. با اين‌حال، اين استانداردها و آزمايش‌ها صرفاً به عنوان زيربناي اساسي براي اين دو سيستم عمل مي‌كنند. ادغام هوش مصنوعي با روش‌هاي سنتي به طور بي‌عيب و نقصي پيشرفت اين سيستم‌ها را هدايت كرده است. ادغام روش‌هاي كلاسيك با هوش مصنوعي، نقطه عطف مهمي را نشان مي‌دهد و پيشرفت‌هاي قابل‌توجهي را در اين حوزه ايجاد مي‌كند. مهم‌تر از همه، گا‌م‌هاي مشاهده شده در ADAS صرفاً به تحولات روش شناختي نسبت داده نمي‌شود. استفاده از تجهيزات پيچيده، به ويژه دوربين‌ها و پردازنده‌ها، نقشي اساسي ايفا مي‌كند. دوربين‌ها به عنوان بستري براي توليد مجموعه داده‌هاي گسترده و قابل اعتماد عمل مي‌كنند. با استفاده از اين مجموعه داده‌ها، الگوريتم‌هاي تشخيص خط LDW، پيشرفت‌هاي قابل‌توجهي را تجربه كردند كه شامل استخراج ويژگي‌هاي مهندسي كلاسيك و شبكه‌هاي عصبي عميق نوين و روش‌هاي تركيبي از اين دو الگو مي‌شود. در حوزه سيستم‌هاي FCW، آشكارسازهاي تك‌مرحله‌اي و دو مرحله‌اي به وجود آمده‌اند كه عملكرد آن‌ها با توجه به معيارهاي زمان استنتاج، دقت و ساير معيارها ارزيابي مي‌شود. با پيشرفت فناوري و هوش مصنوعي، حوزه جديدي به نام يادگيري چند وظيفه‌اي، راهي براي بهينه‌سازي مشترك وظايف LDW و FCW به وجود آورده است. در اين مطالعه، راه‌هاي پياده‌سازي سيستم‌هاي هشدار خروج از خط و هشدار برخورد از جلو مورد بررسي قرار مي‌گيرد؛ و با بررسي نوآوري‌هاي موجود، نقشه راهي براي آينده اين سيستم‌ها ارائه مي‌گردد.
