為了能夠正確地進行導航,完成特定的行駛?cè)蝿?自動駕駛車輛需要依靠搭載的各類傳感器,不斷進行道路環(huán)境的感知與理解,并為安全導航行駛提供參考環(huán)境信息。道路環(huán)境理解作為自動駕駛車輛相關研究內(nèi)容中最重要的組成部分之一,是保障自動駕駛車輛安全快速行駛的必要條件。目前,雖然相關技術(shù)正在不斷成熟,但是依然存在許多難以克服的問題。例如:1)在目前針對道路區(qū)域分割的研究中,存在著一系列問題,例如利用單一傳感器數(shù)據(jù)的分割方法容易受到不同天氣、光照等環(huán)境因素的影響,手工提取特征的方法不能適用于不同的環(huán)境,全監(jiān)督的學習方法則需要大量人工標注的訓練數(shù)據(jù)等;2)在行人檢測與識別的大部分方法中,在提取感興趣區(qū)域的過程里,需要人工設置經(jīng)驗參數(shù),因此針對不同的數(shù)據(jù)需要不斷手動調(diào)整參數(shù);3)道路環(huán)境的語義分割還存在許多挑戰(zhàn),例如道路上的水面區(qū)域由于存在復雜的反射紋理,在目前尚沒有一個很好的分割方法。因此,如何解決上述問題,改進道路環(huán)境理解的結(jié)果,成為了相關研究工作的重點與難點。本文主要針對上述和自動駕駛車輛相關的道路環(huán)境理解問題,從道路區(qū)域分割、行人檢測與識別、水面區(qū)域分割三個研究內(nèi)容出發(fā),基于多傳感器融合、深度學習、生... 

【文章來源】：南京理工大學江蘇省 211工程院校

【文章頁數(shù)】：118 頁

【學位級別】：博士

【部分圖文】：

圖１．２本論文主要研究內(nèi)容內(nèi)在邏輯關系圖

器所采??集的數(shù)據(jù)），進行場景語義理解及分割，找出屬于可通行道路的區(qū)域。道路區(qū)域分割問??題一般可以看成一種像素級的二分類問題，ｇ卩，針對環(huán)境數(shù)據(jù)（例如圖像或者三維激??光雷達點云集合），給予數(shù)據(jù)中的每個樣本（每一個像素或三維激光雷達點）道路區(qū)域??或非道路區(qū)域的分類標簽。道路區(qū)域的定義是：依據(jù)相關的法規(guī)或者規(guī)定，自動駕駛??車輛可以自主導航和安全行駛的區(qū)域。除此之外，其他的區(qū)域，包括凹／凸障礙物、危??險水域或者行道線規(guī)定范圍之外的區(qū)域，則定義為非道路區(qū)域。道路區(qū)域分割任務如??圖２．１所示，其中被標記為綠色的區(qū)域包含了三條車道，是應當被分割出的道路區(qū)域。??而圖像中的其他部分，例如樹木、車輛、天空、草坪等，則是非道路區(qū)域。??圖２．１道路區(qū)域分割任務示意圖。其中綠色部分是正確的道路區(qū)域分割結(jié)果。??由于在通常情況下，自動駕駛車輛都應該在道路區(qū)域內(nèi)進行安全行駛，所以這種??道路區(qū)域分割能力對于自主導航而言，是一項重要的基礎能力。在過去的幾十年中，??有許多不同的道路區(qū)域分割方法被提了出來。但是，由于道路環(huán)境具有復雜的背景和??多變的光照條件，如何魯棒地進行道路區(qū)域分割，依然具有很大的挑戰(zhàn)性和很強的研??究價值Ｍｌ。在多傳感器融合的方法出現(xiàn)以前，大多數(shù)的研宄者們采用單一的傳感器??來進行道路區(qū)域分割。如圖２．２（ａ）所示，最常見的傳感器就是可見光相機。和其他的??傳感器相比，這種傳感器價格相對低廉，因此得到了大量的應用［８５＿９ｅ］。近些年來，隨??著三維傳感器的不斷發(fā)展，許多新的三維傳感器也被應用到了道路區(qū)域分割的任務中??來Ｉ９７－１叫。如圖２．２（ｂ）和（ｃ）所示，常見的三維傳感器包括：１）多線激光雷達（例如：??

圖２．２常見傳感器

【參考文獻】：
期刊論文
[1]基于Stixel-world及特征融合的雙目立體視覺行人檢測[J]. 白中浩,王鵬輝,李智強.  儀器儀表學報. 2017(11)
[2]面向自動駕駛的動態(tài)路徑規(guī)劃避障算法[J]. 周慧子,胡學敏,陳龍,田梅,熊豆.  計算機應用. 2017(03)
[3]基于多傳感器的車道級高精細地圖制作方法[J]. 賀勇,路昊,王春香,楊明,吳濤.  長安大學學報(自然科學版). 2015(S1)
[4]基于單目視覺的道路車輛檢測系統(tǒng)設計(英文)[J]. 王海,張為公,蔡英鳳.  Journal of Southeast University（English Edition）. 2011(02)
[5]基于單目視覺的非結(jié)構(gòu)化道路檢測與跟蹤[J]. 王燕清,陳德運,石朝俠.  哈爾濱工程大學學報. 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)



本文編號：3353259