自动驾驶车辆的道路环境理解关键技术研究
发布时间：2021-08-20 09:34
为了能够正确地进行导航,完成特定的行驶任务,自动驾驶车辆需要依靠搭载的各类传感器,不断进行道路环境的感知与理解,并为安全导航行驶提供参考环境信息。道路环境理解作为自动驾驶车辆相关研究内容中最重要的组成部分之一,是保障自动驾驶车辆安全快速行驶的必要条件。目前,虽然相关技术正在不断成熟,但是依然存在许多难以克服的问题。例如:1)在目前针对道路区域分割的研究中,存在着一系列问题,例如利用单一传感器数据的分割方法容易受到不同天气、光照等环境因素的影响,手工提取特征的方法不能适用于不同的环境,全监督的学习方法则需要大量人工标注的训练数据等;2)在行人检测与识别的大部分方法中,在提取感兴趣区域的过程里,需要人工设置经验参数,因此针对不同的数据需要不断手动调整参数;3)道路环境的语义分割还存在许多挑战,例如道路上的水面区域由于存在复杂的反射纹理,在目前尚没有一个很好的分割方法。因此,如何解决上述问题,改进道路环境理解的结果,成为了相关研究工作的重点与难点。本文主要针对上述和自动驾驶车辆相关的道路环境理解问题,从道路区域分割、行人检测与识别、水面区域分割三个研究内容出发,基于多传感器融合、深度学习、生...
【文章来源】：南京理工大学江苏省 211工程院校
【文章页数】：118 页
【学位级别】：博士
【部分图文】：
图１．２本论文主要研究内容内在逻辑关系图
器所采??集的数据），进行场景语义理解及分割，找出属于可通行道路的区域。道路区域分割问??题一般可以看成一种像素级的二分类问题，ｇ卩，针对环境数据（例如图像或者三维激??光雷达点云集合），给予数据中的每个样本（每一个像素或三维激光雷达点）道路区域??或非道路区域的分类标签。道路区域的定义是：依据相关的法规或者规定，自动驾驶??车辆可以自主导航和安全行驶的区域。除此之外，其他的区域，包括凹／凸障碍物、危??险水域或者行道线规定范围之外的区域，则定义为非道路区域。道路区域分割任务如??图２．１所示，其中被标记为绿色的区域包含了三条车道，是应当被分割出的道路区域。??而图像中的其他部分，例如树木、车辆、天空、草坪等，则是非道路区域。??图２．１道路区域分割任务示意图。其中绿色部分是正确的道路区域分割结果。??由于在通常情况下，自动驾驶车辆都应该在道路区域内进行安全行驶，所以这种??道路区域分割能力对于自主导航而言，是一项重要的基础能力。在过去的几十年中，??有许多不同的道路区域分割方法被提了出来。但是，由于道路环境具有复杂的背景和??多变的光照条件，如何鲁棒地进行道路区域分割，依然具有很大的挑战性和很强的研??究价值Ｍｌ。在多传感器融合的方法出现以前，大多数的研宄者们采用单一的传感器??来进行道路区域分割。如图２．２（ａ）所示，最常见的传感器就是可见光相机。和其他的??传感器相比，这种传感器价格相对低廉，因此得到了大量的应用［８５＿９ｅ］。近些年来，随??着三维传感器的不断发展，许多新的三维传感器也被应用到了道路区域分割的任务中??来Ｉ９７－１叫。如图２．２（ｂ）和（ｃ）所示，常见的三维传感器包括：１）多线激光雷达（例如：??
图２．２常见传感器
【参考文献】：
期刊论文
[1]基于Stixel-world及特征融合的双目立体视觉行人检测[J]. 白中浩,王鹏辉,李智强. 仪器仪表学报. 2017(11)
[2]面向自动驾驶的动态路径规划避障算法[J]. 周慧子,胡学敏,陈龙,田梅,熊豆. 计算机应用. 2017(03)
[3]基于多传感器的车道级高精细地图制作方法[J]. 贺勇,路昊,王春香,杨明,吴涛. 长安大学学报(自然科学版). 2015(S1)
[4]基于单目视觉的道路车辆检测系统设计(英文)[J]. 王海,张为公,蔡英凤. Journal of Southeast University（English Edition）. 2011(02)
[5]基于单目视觉的非结构化道路检测与跟踪[J]. 王燕清,陈德运,石朝侠. 哈尔滨工程大学学报. 2011(03)
[6]A MODEL-ORIENTED ROAD DETECTION APPROACH USING FUZZY SVM[J]. Zhang Yuying Gu Xiaodong Wang Yuanyuan (Department of Electronic Engineering, Fudan University, Shanghai 200433, China). Journal of Electronics（China）. 2010(06)
本文编号：3353259
【文章来源】：南京理工大学江苏省 211工程院校
【文章页数】：118 页
【学位级别】：博士
【部分图文】：
图１．２本论文主要研究内容内在逻辑关系图
器所采??集的数据），进行场景语义理解及分割，找出属于可通行道路的区域。道路区域分割问??题一般可以看成一种像素级的二分类问题，ｇ卩，针对环境数据（例如图像或者三维激??光雷达点云集合），给予数据中的每个样本（每一个像素或三维激光雷达点）道路区域??或非道路区域的分类标签。道路区域的定义是：依据相关的法规或者规定，自动驾驶??车辆可以自主导航和安全行驶的区域。除此之外，其他的区域，包括凹／凸障碍物、危??险水域或者行道线规定范围之外的区域，则定义为非道路区域。道路区域分割任务如??图２．１所示，其中被标记为绿色的区域包含了三条车道，是应当被分割出的道路区域。??而图像中的其他部分，例如树木、车辆、天空、草坪等，则是非道路区域。??图２．１道路区域分割任务示意图。其中绿色部分是正确的道路区域分割结果。??由于在通常情况下，自动驾驶车辆都应该在道路区域内进行安全行驶，所以这种??道路区域分割能力对于自主导航而言，是一项重要的基础能力。在过去的几十年中，??有许多不同的道路区域分割方法被提了出来。但是，由于道路环境具有复杂的背景和??多变的光照条件，如何鲁棒地进行道路区域分割，依然具有很大的挑战性和很强的研??究价值Ｍｌ。在多传感器融合的方法出现以前，大多数的研宄者们采用单一的传感器??来进行道路区域分割。如图２．２（ａ）所示，最常见的传感器就是可见光相机。和其他的??传感器相比，这种传感器价格相对低廉，因此得到了大量的应用［８５＿９ｅ］。近些年来，随??着三维传感器的不断发展，许多新的三维传感器也被应用到了道路区域分割的任务中??来Ｉ９７－１叫。如图２．２（ｂ）和（ｃ）所示，常见的三维传感器包括：１）多线激光雷达（例如：??
图２．２常见传感器
【参考文献】：
期刊论文
[1]基于Stixel-world及特征融合的双目立体视觉行人检测[J]. 白中浩,王鹏辉,李智强. 仪器仪表学报. 2017(11)
[2]面向自动驾驶的动态路径规划避障算法[J]. 周慧子,胡学敏,陈龙,田梅,熊豆. 计算机应用. 2017(03)
[3]基于多传感器的车道级高精细地图制作方法[J]. 贺勇,路昊,王春香,杨明,吴涛. 长安大学学报(自然科学版). 2015(S1)
[4]基于单目视觉的道路车辆检测系统设计(英文)[J]. 王海,张为公,蔡英凤. Journal of Southeast University（English Edition）. 2011(02)
[5]基于单目视觉的非结构化道路检测与跟踪[J]. 王燕清,陈德运,石朝侠. 哈尔滨工程大学学报. 2011(03)
[6]A MODEL-ORIENTED ROAD DETECTION APPROACH USING FUZZY SVM[J]. Zhang Yuying Gu Xiaodong Wang Yuanyuan (Department of Electronic Engineering, Fudan University, Shanghai 200433, China). Journal of Electronics（China）. 2010(06)
本文编号：3353259
本文链接：https://www.wllwen.com/kejilunwen/qiche/3353259.html
