硕博论文背景阅读-自动驾驶

基于模型的 ADAS 虚拟仿真测试平台研究 北京交通大学

高级辅助驾驶系统(ADAS)

问题：测试效率低，测试周期长成本高， 场景无法复现

预警辅助类：

车道偏离预警系统(Lane Departure Warning，LDW)，

盲区警示系统(Blind Spot Warning，BSW)、

道路交通标志识别(Traffic Sign Recognition，TSR)

主动安全辅助类：
自动紧急制动系统(Automotive Emergency Brake，AEB)、

自动巡航控制(Automotive Cruise Control，ACC)、

车道保持辅助(Lane Keeping Assistance ， LKA)

测试项目包括：

软件在环(SIL)、硬件在环(HIL)、车辆在环(VIL)、场测、路测等环节

基于深度学习的实时车道线与目标检测多任务实现方法研究

motivation

车道线与多目标检测多是独立的两个模块， 每个模块占用独立的计算资源，而两个模块有相同的输入，后续的决策规划部分 需要将两个模块的输出结果融合后才能进行。不仅程序繁琐、占用计算资源多，且难以达到实时处理要求。

目标：实现用一个网络模型同 时完成车道线与多目标检测任务，并将融合后的模型移植到嵌入式计算平台上， 实现了在嵌入式计算平台上的实时运行