原文传递
面向自动驾驶的多感融合路面环境精准感知
| 论文题名： | 面向自动驾驶的多感融合路面环境精准感知 |
| 关键词： | 深度学习;自动驾驶;环境感知;多感融合 |
| 摘要： | 自动驾驶技术在近年来高速发展，吸引了学术界、产业界的诸多研究人员，它是一个集计算机控制技术、人工智能技术、传感探测技术等于一体的全新技术领域。自动驾驶技术自诞生以来能否对环境信息进行获取和处理是其能否落地的最关键所在。人类驾驶员是依靠人的感观能力来获取路面环境信息，依靠人类神经网络来处理信息的，而自动驾驶车辆则需要各种传感器来获取路面环境信息，利用人工智能算法来处理信息。深度学习的快速发展，为自动驾驶车辆提供了日渐完善的感知算法。 本文首先阐述了自动驾驶中常用的激光扫描传感器的工作原理及其特有的数据形式点云的处理算法，激光扫描传感器可以直接得到目标精准的位姿信息，但其缺乏直接的目标语义信息，需要使用人工智能算法处理激光扫描传感器探测所产生的点云数据来得到目标的类别信息，尔后才利于应用到自动驾驶环境感知中。依托深度神经网络设计了带有混合注意力机制的特征提取基干网络HANet，并在此网络基础上构建出了处理点云数据的深度神经网络PointHANet，可以从原始点云中进行车辆、行人等的感知识别。在与VoxelNet的对比实验中，本文网络在识别准确率和运算速度上均优于VoxelNet。 最后，自动驾驶是一种对行驶安全有极高要求的应用领域，单一传感器并不能最大限度的保证安全性，因此进行多传感器的融合是必经之路。多感融合可以弥补单一传感器的缺点，增强感知系统的可靠性和鲁棒性。本文探讨了用于多传感器融合的统一时空坐标系的建立以及多感融合的控制逻辑，并初步设计了一个融合多种传感器感知结果的算法进行逻辑判断以保障车辆行驶的安全性，模拟实验结果显示此逻辑算法具备完备性和有效性。 |
| 作者： | 翟鑫 |
| 专业： | 控制科学与工程 |
| 导师： | 李昕 |
| 授予学位： | 硕士 |
| 授予学位单位： | 安徽理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
