目录
感兴趣区域(region of interest,ROI)协同
前言
自动驾驶技术主要依靠人工智能与多源信息协同处理[ 5]。在面对错综复杂的 道路环境时,智能汽车一般搭载多个传感器,收集不同传感器获取的环境及障碍 物信息,分析对自身行车有威胁的道路目标从而进行有效决策,控制车辆以避免 发生碰撞。因此这些不同质传感器的协同检测结果将直接影响后续的规划决策与 车辆控制。
环境感知作为自动驾驶极其重要的一环,所使用的主流传感器有毫米波雷达、 超声波雷达、红外线传感器、摄像头以及激光雷达等。不同传感器都有各自优缺 点。毫米波雷达优点是工作稳定,不易受恶劣天气影响,探测距离最远可达 200m,测距与测速精度较高,且成本较低,但在实际应用中对目标识别能力较差; 激光雷达使用旋转激光阵列生成自动驾驶汽车周围环境的精确3D地图[ 6],但这种 类型的传感器相当昂贵,可能需要大量的计算能力来解决光线和天气(雨、雾、雪) 的不利影响;摄像头一般采用单目或者立体相机,前者探测距离更远。摄像头获 取的数据量十分充足,可以精确前方目标,且成本较低,但相比于雷达传感器, 光学摄像头数据量级较大,处理时间较长,并且在恶劣天气下稳定性较差。考虑 到成本与优势互补,相比于激光雷达,毫米波雷达与摄像头价格较低,且毫米波 雷达在恶劣天气的稳定性以及对于测速与测距的准确性可以与摄像头互补,本文 通过研究基于毫米波雷达与摄像头的目标检测与识别方法,以及毫米波雷达和摄 像头信息协同的技术,为后续的决策控制系统提供了精确且稳定的前方