无人驾驶环境感知中多源数据融合应用综述

多源数据融合可有效提升无人驾驶感知系统的感知维度,增强环境适应能力与分辨能力。为了解无人驾驶环境感知中多源数据融合的研究现状,对融合算法、融合层次、融合数据处理方式以及融合关键问题进行系统性梳理。首先,在融合算法方面介绍加权平均法、贝叶斯方法、卡尔曼滤波原理、DS证据理论和深度学习方法。其次,根据融合系统的抽象程度和数据处理分别对不同架构的融合系统进行分析。最后,对融合系统的关键问题进行分析,并对该领域的发展趋势进行展望。     

基于YOLOv2-Tiny的环视实时车位线识别算法

车位线识别是自动泊车系统中感知环节的关键,本文基于轻量化的目标识别网络YOLOv2-Tiny实现车位角点检测,并通过对网络识别出的角点块区域进行灰度化、自适应二值化、开运算等预处理,后续进行骨架提取,利用概率霍夫变换检测角点骨架直线从而计算校正后的角点中心,并确定车位摆向。所提出的方法可用于检测不固定角度的平行、垂直与斜列车位,识别效果优异,检测效率高,可满足实时性要求。