面向停车场场景的多传感器融合匹配算法与融合数据的并行处理

自动泊车是无人驾驶领域可率先实现量产的重要功能之一。实现自动泊车功能,首先面临着停车场数据的采集和分析工作。基于三种典型停车场场景,从硬件传感器搭建,传感器感知算法开发和场景数据处理分析三方面分别展开:对采集平台搭建工作,主要介绍如何进行传感器的安装、时间轴标定,和空间坐标统一;基于前视毫米波雷达和视觉传感器,重点介绍这两种传感器的匹配算法和目标级别的融合算法;基于场景提取与大数据处理的数据分析,开发自动化批量数据处理Python代码,实现TB级的原始数据标注,并在短时间内完成自动化批量处理,整个技术流程工具链具有较高的科研价值和商业价值。

基于MPI的并行大数据集生成器

大数据处理分析算法在优化研究过程中,速度常常受限于数据集的规模。在数据集体量不足时,算法的通信时间往往要高于真正的计算时间,无法验证真实的效果。故设计实现了一个大数据集生成器,为运行在超级计算机上的并行大数据处理分析算法提供基准测试数据集。首先,使用MPI并行编程技术构造了一个并行随机数生成器,在此基础上设计实现了可控制规模及复杂性的人工数据集,主要包括:分类和聚类数据集、回归数据集、流形学习数据集和因子分解数据集等。其次,设计了大数据集生成器的I/O系统,提供MPI-I/O并行读、写数据集的接口,并设置了数据集在不同进程间的分发、映射规则,通过点对点通信实现不同节点之间的数据交互。实验结果表明,并行大数据集生成器有效提高了数据生成效率和生成规模,为并行大数据处理分析算法提供了高质量、大体量的测试数据集。