论文部分内容阅读
车辆姿态检测是智能驾驶感知领域的重要研究内容,车辆姿态信息是驾驶决策的重要依据之一。语义地图是指包含智能驾驶系统所需语义信息的地图,语义信息指可被智能驾驶系统直接利用的信息,与传统地图中供人类使用的信息不同。本文提出了新的卷积方式——栅格卷积,实现精确而快速的车辆姿态检测,并将车辆位姿作为动态语义信息在语义地图系统中进行了应用。针对车辆姿态检测问题,本文利用深度学习方法,采用部分连接网络改进了传统的姿态检测网络,解决了透视效应对车辆朝向检测带来的困难,使得姿态检测效果得到了提升。为解决车辆姿态检测训练数据不足地问题,本文搭建了一套深度学习训练数据生成系统,用于自动生成带车辆姿态标签的训练数据以便实现网络训练。基于部分连接结构提出了部分连接姿态检测网络(LC-Pose)并在生成的数据集上进行训练、参数调优和测试,相比传统的姿态检测网络在平均角度相似度(AOS)指标获得了超过10%的提升。本文继续对部分连接姿态检测网络(LC-Pose)的优缺点进行了分析,提出了合作网络的形式来减轻检测部分和姿态估计部分之间的性能牺牲。为改进部分连接网络的性能,本文创新性地提出了栅格卷积(Grille Convolution),即能满足对透视歧义问题的处理能力,又降低了模型过拟合的可能性。基于栅格卷积设计了栅格卷积网络(Grille Net)使车辆姿态检测效果进一步得到提升。在世界最大的智能驾驶数据集KITTI上进行测试并与世界上当前效果排名前十的方法进行对比,获得了86.46%的平均精确度(AP)和88.59%的平均角度相似度(AOS)。在系统方面,本文设计了一套轻量级易扩展的智能驾驶语义地图软件框架,可满足各种智能驾驶场合下的应用。针对语义地图中的语义信息表达方式以及语义信息存储方式进行分析研究,采用分层地图表达方式对语义地图中的语义信息进行表达和存储,设计了适合智能驾驶场合的独特结构。最后结合前文的Grille Net车辆姿态检测网络以及长春驾驶数据集,创建了带有车辆姿态语义信息的语义地图,实现语义地图应用。本文研究的车辆姿态检测网络为智能驾驶决策和目标车辆行为预测提供有力的信息依据。语义地图系统为智能驾驶提供了全面而高效的信息获取平台,结合如车辆姿态语义信息等动态语义信息可实现高效的智能驾驶决策以及宏观的全局交通行为规划预测等工作。