智能驾驶车载激光雷达关键技术与应用算法

随着全球智能驾驶进入产业化与商业化的准备期,车载激光雷达凭借其优异性能已成为不可或缺的环境感知传感器并在硬件技术和应用算法上得到迅猛发展。文章以激光雷达扫描方式及相关技术为切入点对智能驾驶车载激光雷达硬件关键技术进行了介绍,分别讨论了机械式、混合式和全固态车载激光雷达的原理、特点及现状;以智能驾驶应用任务为导向,对点云分割、目标跟踪与识别、即时定位与地图重建这三类车载激光雷达应用算法进行了归纳总结。分析可见,车载激光雷达为降低成本、提升性能、满足智能驾驶需求将进一步走向固态化、智能化和网络化;应用算法研究的追求目标则是实时、高效和可靠。

Gabor滤波融合卷积神经网络的路面裂缝检测方法

针对神经网络难以从数据量较少、较单一的路面裂缝图像中提取有效特征的局限性,设计了一种融合Gabor滤波器的卷积神经网络模型(Gabor Filter Convolutional Neural Network,GF-CNN)以进行路面裂缝检测。GF-CNN模型首先将路面图像输入小型参数预测网络中,依据输入图像自适应地选取Gabor滤波器组的参数,并根据所预测参数构建滤波器组对初始路面图像进行滤波,得到Gabor纹理特征图。将纹理特征图输入至基于残差网络构建的特征分类网络中提取深层特征,判断其是否包含裂缝。在GAPs路面图像数据集上的测试结果表明,GF-CNN模型的F1分数达到0.7137,优于其他路面图像检测方法。该模型通过融合纹理特征改善CNN特征提取能力,同时降低Gabor滤波器参数敏感性以提高模型泛化能力,对于路面裂缝图像具有良好的适用性。