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