期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于眼动实验的增强现实抬头显示器色彩编码研究
被引量：
3
1
作者
刘文
桂慧
《包装工程》
CAS
北大核心
2024年第24期152-162,191,共12页
目的增强现实抬头显示器(AR-HUD)的色彩编码是影响驾驶员认知绩效的关键因素。分析AR-HUD中显示信息的色彩搭配对用户的影响,探究最易识别和理解的配色方案,并提出相应的设计建议,以提高用户在使用AR-HUD时识别和理解信息的速度。方法...
目的增强现实抬头显示器(AR-HUD)的色彩编码是影响驾驶员认知绩效的关键因素。分析AR-HUD中显示信息的色彩搭配对用户的影响,探究最易识别和理解的配色方案,并提出相应的设计建议,以提高用户在使用AR-HUD时识别和理解信息的速度。方法采用眼动追踪技术,收集被试者在模拟昼夜驾驶条件下观看不同配色方案的眼动数据,提取兴趣区域内的首次注视时间、首次注视持续时间、平均注视持续时间共3项注视类指标。结合被试者的主观评价,对AR-HUD的不同配色方案进行了综合分析。结论白天环境下,青色与白色或橙色的组合能有效吸引驾驶员注意,可识别性和可理解性较高;红色可视性较低;绿色与青色的组合容易导致信息混淆;黄色在强光环境下的信息可见度较低。夜间环境下,黄色搭配白色或青色有助于快速吸引驾驶员注意力并有效处理信息。研究结论可为AR-HUD界面设计的色彩搭配提供参考。
展开更多
关键词
增强现实抬头显示器
色彩编码
眼动实验
信息可识别性
在线阅读
下载PDF
职称材料
增强现实抬头显示器视觉解释类型对自动驾驶系统用户接受度的影响
被引量：
7
2
作者
李卓
童先顺
+1 位作者
田慧溢
刘星辰
《图书情报知识》
CSSCI
北大核心
2023年第2期40-48,共9页
[目的/意义]人工智能的技术突破加速了自动驾驶系统的发展进程,使得自动驾驶和相关行业迎来了新一轮的发展机遇。增强现实抬头显示器(AR-HUD)是目前自动驾驶领域最具应用前景的人智交互界面之一。探索不同环境可见度条件下采用何种AR-HU...
[目的/意义]人工智能的技术突破加速了自动驾驶系统的发展进程,使得自动驾驶和相关行业迎来了新一轮的发展机遇。增强现实抬头显示器(AR-HUD)是目前自动驾驶领域最具应用前景的人智交互界面之一。探索不同环境可见度条件下采用何种AR-HUD视觉解释类型能够提高用户对自动驾驶系统的接受度,有助于提高自动驾驶系统决策的透明性,推动可解释的人工智能(Explainable AI)的发展。[研究设计/方法]受控实验采取3(视觉解释类型:图标/文本/无)×2(环境可见度:高/低)组内设计,61名参与者在6种不同的模拟驾驶场景中与AR-HUD交互,用量表度量驾驶中人智交互的用户体验,包括用户对自动驾驶系统的感知、态度及意愿。[结论/发现]AR-HUD的视觉解释类型显著影响用户对自动驾驶系统的接受度,图标解释效果显著优于文本解释和无解释;然而,环境可见度不存在显著的调节作用。[创新/价值]结合仿真模拟软件和实体模型创建了逼真的驾驶场景,通过受控实验精准度量人智交互的用户体验,为通过AR-HUD设计打开自动驾驶“黑匣子”提供了实证依据,并为度量人智交互的用户体验提供了方法支持。
展开更多
关键词
人智交互
自动驾驶
可解释性
接受度
增强现实抬头显示器
在线阅读
下载PDF
职称材料
面向AR-HUD的多任务卷积神经网络研究
被引量：
6
3
作者
冯明驰
卜川夏
萧红
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021年第3期241-250,共10页
汽车上AR-HUD已经得到了广泛应用,其环境感知模块需完成目标检测、车道分割等多个任务,但是多个深度神经网络同时运行会消耗过多的计算资源。针对这一问题,本文提出一种应用于AR-HUD环境感知的轻量级多任务卷积神经网络DYPNet,其以YOLOv...
汽车上AR-HUD已经得到了广泛应用,其环境感知模块需完成目标检测、车道分割等多个任务,但是多个深度神经网络同时运行会消耗过多的计算资源。针对这一问题,本文提出一种应用于AR-HUD环境感知的轻量级多任务卷积神经网络DYPNet,其以YOLOv3-tiny框架为基础,融合金字塔池化模型、DenseNet的密集连接结构、CSPNet网络模型的思想,在精度未下降的情况下大幅减少了计算资源消耗。针对该神经网络难以训练的问题,提出了一种基于动态损失权重的线性加权求和损失函数,使子网络损失值趋于同步下降,且同步收敛。经过在公开数据集BDD100K上训练及测试,结果表明该神经网络的检测mAP和分割mIOU分别为30%,77.14%,使用TensorRt加速后,在Jetson TX2上已经可以达到15 frame·s-1左右,已达到AR-HUD的应用要求,并成功应用于车载AR-HUD。
展开更多
关键词
增强现实抬头显示器
多任务卷积神经网络
目标检测
语义分割
在线阅读
下载PDF
职称材料
题名
基于眼动实验的增强现实抬头显示器色彩编码研究
被引量：
3
1
作者
刘文
桂慧
机构
武汉工程大学艺术设计学院
出处
《包装工程》
CAS
北大核心
2024年第24期152-162,191,共12页
基金
武汉工程大学研究生教育创新基金项目(CX2023534)。
文摘
目的增强现实抬头显示器(AR-HUD)的色彩编码是影响驾驶员认知绩效的关键因素。分析AR-HUD中显示信息的色彩搭配对用户的影响,探究最易识别和理解的配色方案,并提出相应的设计建议,以提高用户在使用AR-HUD时识别和理解信息的速度。方法采用眼动追踪技术,收集被试者在模拟昼夜驾驶条件下观看不同配色方案的眼动数据,提取兴趣区域内的首次注视时间、首次注视持续时间、平均注视持续时间共3项注视类指标。结合被试者的主观评价,对AR-HUD的不同配色方案进行了综合分析。结论白天环境下,青色与白色或橙色的组合能有效吸引驾驶员注意,可识别性和可理解性较高;红色可视性较低;绿色与青色的组合容易导致信息混淆;黄色在强光环境下的信息可见度较低。夜间环境下,黄色搭配白色或青色有助于快速吸引驾驶员注意力并有效处理信息。研究结论可为AR-HUD界面设计的色彩搭配提供参考。
关键词
增强现实抬头显示器
色彩编码
眼动实验
信息可识别性
Keywords
augmented reality head-up display
color coding
eye movement experiments
information recognizability
分类号
TB472 [一般工业技术—工业设计]
在线阅读
下载PDF
职称材料
题名
增强现实抬头显示器视觉解释类型对自动驾驶系统用户接受度的影响
被引量：
7
2
作者
李卓
童先顺
田慧溢
刘星辰
机构
武汉理工大学艺术与设计学院
武汉大学信息资源研究中心
出处
《图书情报知识》
CSSCI
北大核心
2023年第2期40-48,共9页
基金
国家社会科学基金重大项目“人本人工智能驱动的信息服务体系重构与应用研究”(22&ZD325)
湖北省科技厅重点研发计划项目“L3+自动驾驶汽车智能座舱设计关键技术及应用示范”(2022BAA071)的研究成果之一。
文摘
[目的/意义]人工智能的技术突破加速了自动驾驶系统的发展进程,使得自动驾驶和相关行业迎来了新一轮的发展机遇。增强现实抬头显示器(AR-HUD)是目前自动驾驶领域最具应用前景的人智交互界面之一。探索不同环境可见度条件下采用何种AR-HUD视觉解释类型能够提高用户对自动驾驶系统的接受度,有助于提高自动驾驶系统决策的透明性,推动可解释的人工智能(Explainable AI)的发展。[研究设计/方法]受控实验采取3(视觉解释类型:图标/文本/无)×2(环境可见度:高/低)组内设计,61名参与者在6种不同的模拟驾驶场景中与AR-HUD交互,用量表度量驾驶中人智交互的用户体验,包括用户对自动驾驶系统的感知、态度及意愿。[结论/发现]AR-HUD的视觉解释类型显著影响用户对自动驾驶系统的接受度,图标解释效果显著优于文本解释和无解释;然而,环境可见度不存在显著的调节作用。[创新/价值]结合仿真模拟软件和实体模型创建了逼真的驾驶场景,通过受控实验精准度量人智交互的用户体验,为通过AR-HUD设计打开自动驾驶“黑匣子”提供了实证依据,并为度量人智交互的用户体验提供了方法支持。
关键词
人智交互
自动驾驶
可解释性
接受度
增强现实抬头显示器
Keywords
Human-AI interaction
Autonomous driving
Explainable
Acceptance
Augmented Reality Head-Up Display
分类号
G25 [文化科学—图书馆学]
在线阅读
下载PDF
职称材料
题名
面向AR-HUD的多任务卷积神经网络研究
被引量：
6
3
作者
冯明驰
卜川夏
萧红
机构
重庆邮电大学先进制造工程学院
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021年第3期241-250,共10页
基金
国家自然科学基金(51505054)
重庆市科技局(cstc2019jscx-zdztzxX0050)项目资助
文摘
汽车上AR-HUD已经得到了广泛应用,其环境感知模块需完成目标检测、车道分割等多个任务,但是多个深度神经网络同时运行会消耗过多的计算资源。针对这一问题,本文提出一种应用于AR-HUD环境感知的轻量级多任务卷积神经网络DYPNet,其以YOLOv3-tiny框架为基础,融合金字塔池化模型、DenseNet的密集连接结构、CSPNet网络模型的思想,在精度未下降的情况下大幅减少了计算资源消耗。针对该神经网络难以训练的问题,提出了一种基于动态损失权重的线性加权求和损失函数,使子网络损失值趋于同步下降,且同步收敛。经过在公开数据集BDD100K上训练及测试,结果表明该神经网络的检测mAP和分割mIOU分别为30%,77.14%,使用TensorRt加速后,在Jetson TX2上已经可以达到15 frame·s-1左右,已达到AR-HUD的应用要求,并成功应用于车载AR-HUD。
关键词
增强现实抬头显示器
多任务卷积神经网络
目标检测
语义分割
Keywords
augmented reality-head up display(AR-HUD)
multi-task convolutional neural network
target detection
semantic segmentation
分类号
TH85 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于眼动实验的增强现实抬头显示器色彩编码研究
刘文
桂慧
《包装工程》
CAS
北大核心
2024
3
在线阅读
下载PDF
职称材料
2
增强现实抬头显示器视觉解释类型对自动驾驶系统用户接受度的影响
李卓
童先顺
田慧溢
刘星辰
《图书情报知识》
CSSCI
北大核心
2023
7
在线阅读
下载PDF
职称材料
3
面向AR-HUD的多任务卷积神经网络研究
冯明驰
卜川夏
萧红
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
