摘要
在过去的10年间，随着交通运输业的发展和国家经济的腾飞，我国的汽车保有量飞速增长，交通通行里程总数也经历了爆发式的增长，大幅增加的汽车数量，给人们的生活和出行带来了极大的便利,同时也不可避免的导致了交通事故数量的增长，给国家和人民造成巨大的生命财产损失。 为了提高机动车的驾驶安全性，减少由于人类驾驶员的不当驾驶操作而引起事故的可能性，同时提高道路通行效率，智能车辆技术应运而生。相较于传统意义上人为驾驶车辆来说，智能车辆使用车载传感器感知周边驾驶环境，然后才能做出合理的驾驶行为决策，并可以快速规划未来驾驶轨迹、准确自主的执行相应控制操作。因此让智能车辆对周围环境信息完成准确、完备的环境感知，是保证驾驶安全、迈向完全自动驾驶的第一步。 完备的环境感知能力是智能车辆的关键。但是针对普遍存在的遮挡问题，目前的智能车辆感知算法仅对智能车辆感知视野之内的目标做尽可能地识别，无法识别出被前景物严重遮挡或者完全遮挡的后景物目标，也没有预测或标注出被前景物所遮挡住的区域。这种处理遮挡问题的方式，限制了智能驾驶系统对当下驾驶环境的全面感知和理解。在本文中设计了一种语义分割模型，它以智能车辆周身相机采集到的图片数据作为输入，通过利用多源信息融合技术和空间变换网络完成视角变换工作,使用基于倒残差结构构成的空洞空间卷积池化金字塔结构提取图像特征，利用空洞卷积对特征图进行上采样，从而搭建了一个更加适用于智能车辆场景的轻量化Encoder-Decoder语义分割模型，能够端到端地输出俯视图下包括遮挡区域在内的、智能车辆驾驶环境语义分割感知结果。此外，本文不依赖于手动标记数据，而是通过Carla模拟器完成数据集采集，并使用设计的射线定域法自动完成后续的数据标注工作。通过在收集的数据集上进行实验验证，本文的方法达到了71.49％的均交并比(MeanIntersectionoverUnion,MIoU)分数，优于传统的基于逆透视变换原理和基于全连接网络进行视角变换的模型方法。 协同感知技术是一种利用通信技术，让智能车辆打破单车感知技术的感知极限和信息孤岛状态、提高车车间或车路间感知信息复用率并降低单车制造成本的技术。本章中提出了一种车车协同的协同感知方法，主要解决了智能车辆协同感知技术中存在的两个问题:“是否需要进行协同感知？”和“如何进行协同感知？”。本文的方法以俯视视角下单个智能车辆的感知结果作为输入，通过判断遮挡区域的位置和四叉树区域划分方法，精确地定位需协同区域，并根据设计的相关性计算方式，计算出周围智能车辆对自身需协同区域的贡献度，从而挑选合适的智能车辆作为协同信息的提供者，进行后续的协同信息请求，并最终在结果层面上融合所有获取到的协同信息。得益于“查询、请求、通信”三阶段的方法设计，本文的方法在保证协同感知效果的基础上，相较于现有的方法减少了通信链路的建立数和协同信息的传递量。通过分析在V2X-Sim数据集上的对比实验结果，本文的方法在车辆和行人语义对象上取得了较高的通信改善分数CIS(CommunicationImprovementScore),优于现有的其它协同感知方法。
NETL