基于激光雷达点云和视觉特征的汽车自动驾驶环境感知与目标检测

本文讨论了激光雷达点云与视觉特征在汽车自动驾驶中的应用以及融合优势。本文首先介绍了激光雷达点云和视觉特征的特点、优势和应用,探讨了激光雷达点云与视觉特征的融合优势;其次介绍了激光雷达点云与视觉特征的融合目标检测与跟踪方法,在实验方法综述中讨论了实验设置、数据收集、标注与验证、数据处理与分析等内容;最后说明了实验结果与性能评估的方法和指标。

针对多种交通标识分类模型的攻击及鲁棒性分析

为了保证自动驾驶系统的安全性符合预期功能安全的要求,有必要对交通标识牌分类模型实施对抗攻击。基于此,采用两种基于图形学噪声的攻击方法对交通标识牌分类模型实施对抗攻击。同时,在4种交通标识牌分类模型上开展对抗攻击实验,通过分析普遍逃逸率(Universal Evasion Rate,UER)的值来分析此方法的可行性和神经网络的鲁棒性。

动态多特征融合的道路遗洒物威胁度分析方法

道路上的遗洒物可能对交通运输构成潜在的安全威胁。在自动驾驶环境感知的行业应用背景下,提出一种基于动态多特征融合的道路遗洒物威胁度分析方法,一方面可以实现对道路多车辆目标的跟踪,另一方面可以实现行驶区域内遗洒物对车辆行驶的威胁度自动分析。为提取道路前景车辆目标的交通特性参数,首先开展多车辆跟踪方法研究,提出一种基于Camshift和身份数据关联的多目标跟踪算法,通过建立跟踪链表,对跟踪车辆身份数据进行记录,实时跟踪道路前景车辆目标,提取并记录感兴趣车辆交通特性参数;然后结合交通特性参数提取道路车辆动态特征,在该类目标跟踪基础上建立道路遗洒物安全分析模型,通过分析被跟踪车辆的特征变化,提出一种多特征融合的道路遗洒物威胁度分析方法,突破单一动态特征分析在自动驾驶环境感知应用中的局限性,利用动态多特征的融合决策方法,准确量化判断道路遗洒物对交通运输造成的威胁程度;最后,为了验证算法的鲁棒性和实用性,设计了仿真视频结合实际传感器获取的道路视频对所提威胁度分析方法进行验证,仿真视频用3dmax仿真得到,实采视频由CCD摄像机拍摄得到。相关算法验证采用VS2008和OpenCV搭建软件平台,仿真图由MATLAB2014得到,视频图像的分辨率为320*240。实验结果表明,该方法能准确、真实地确定遗洒物的威胁程度,利用第三方实验视角拓宽了特定车辆安全威胁区域分析的应用范围,通过对自动驾驶主车体行驶范围内的安全威胁环境建模,为自动驾驶车辆安全行驶决策的车载应用提供理论依据和技术支持。