|
| 基于视觉仿真注入和 AI模型的图像攻击方法 |
|
| |
|
| 摘要点击次数: 56 |
| 全文下载次数: 0 |
| 中文摘要: |
| 近年来，随着自动驾驶和高级驾驶辅助系统（ADAS）的快速发展，智能驾驶技术已成为汽车行业的重要研发领域。然而，人工智能（AI）算法在极端条件下的性能测试仍面临诸多挑战。传统物理测试难以覆盖边界场景，而基于视觉仿真和 AI模型的测试技术则可提供新的解决方案，为此提出一种基于视觉仿真注入和 AI 模型的图像攻击硬件在环（HIL）测试方法。通过实时仿真系统生成复杂场景，并结合基于 AI模型的对抗性图像攻击揭示算法漏洞；系统架构包括仿真系统、被测系统、视觉注入系统和攻击系统，通过粒子群优化（PSO）搜索最优扰动，以评估车辆智能驾驶功能在极端条件下的表现。试验选取典型驾驶场景对自适应巡航控制（ACC）和车道保持辅助（LKA）功能进行测试，以验证图像攻击对车道线检测模块的影响。该方法可为智能驾驶技术的鲁棒性优化提供有效支持。 |
| 英文摘要: |
| |
| 查看全文 查看/发表评论 |
| 关闭 |
|
|
|
