车载激光雷达与摄像头数据融合的智能车辆环境感知技术

近年来人工智能技术快速发展,其中以深度学习为代表的技术极大提升了图像识别精确度,降低了目标识别成本,同时带动了智能车辆普及。使用传统单一的激光雷达、车载摄像头等传感器采集车辆周围环境数据时会出现因传感器自身劣势特性,导致车辆在复杂天气、道路等环境中容易出现数据采集不全、不准,从而影响车辆最终的决策判断和出现车辆行驶安全隐患。本文研究了使用单一激光雷达、车载摄像头传感器的识别系统工作原理与存在的识别问题,提出激光雷达与摄像头数据融合的智能车辆环境感知模式,提升智能车辆环境识别的精确度。

基于角点特征的立体视觉车辆环境感知系统研究

通过对立体视觉系统进行测距试验发现,标定误差将会导致远距离测距精度的下降,并使立体图像对不再严格的满足极线约束,这说明对于车辆环境感知这类大探测范围的应用不能直接使用传统的立体视觉算法。针对这些问题,设计出基于角点的立体视觉系统进行车辆环境感知。通过二次标定减小相机标定误差对测距精度的影响,使系统能够在有效探测范围内进行准确测距。使用弱化的极线约束对图像中检测到的角点进行立体视觉处理,提高匹配成功率。根据车道线检测结果在线标定相机俯仰角,消除行驶过程中相机俯仰角变化对远距离物体检测造成的影响。为实现大基线立体视觉系统在进行大范围障碍物检测时的实时性处理,根据车速动态调整检测范围以降低立体视觉处理的运算量。试验结果表明,该系统能够对车前3～80 m的障碍物进行实时可靠准确的检测和测距。

基于车联网的车辆环境感知技术

随着智能汽车相关技术不断取得突破性进展,智能化逐渐成为汽车技术重要发展方向和标志。车辆环境感知技术是智能车辆的关键性技术之一,因此本文针对现有的传统车辆环境感知技术进行了介绍,并结合车联网分析了车联网下的车辆环境感知技术,最后分析讨论了车辆环境感知技术的未来发展趋势。