题名 | 面向自动驾驶的平行视觉关键问题研究 |
作者 | 王建功 |
答辩日期 | 2023-06 |
文献子类 | 博士 |
关键词 | 平行视觉 自动驾驶 人工系统 计算实验 平行执行 平行训练 |
英文摘要 | 智能车对周边环境的精准感知理解是后续规划与控制的基础,也决定了自动驾驶系统的能力上限。而视觉感知作为人类以及众多智能系统获取环境信息的主要来源之一,在自动驾驶感知理解的过程中发挥着关键作用。目前,基于深度学习的计算机视觉技术在自动驾驶感知任务中应用广泛,总体取得了十分不错的成绩。然而,由于深度学习需要借助大规模的训练数据来提升模型感知精度,同时自动驾驶任务对系统的安全与可靠性也有着严格的要求,而已有的视觉感知方法往往面临着训练数据量不足、对长尾场景的识别能力不够等众多亟需解决的难题。基于平行系统提出的平行视觉是一个能够填补数据鸿沟、提升感知可靠性的新型视觉理论框架。 本文以自动驾驶为应用场景,研究平行视觉中的多项关键问题。从数据生成、算法优化、数据与算法闭环、系统优化训练四个角度构建了一个有效且可靠的自动驾驶平行视觉系统。最终缓解了交通场景训练数据不足与长尾场景感知能力欠佳的问题、提高了视觉系统的准确度与稳定性。其中,可控的图像数据生成既有助于解决训练数据量不足的问题同时又是构建数据算法闭环的基础。算法的优化学习作为视觉感知系统的关键任务,具有提高系统感知能力的作用。数据与算法的闭环则是构建完整平行视觉系统的核心,在实现数据生成与算法优化的协同趋优的同时能够提高系统鲁棒性与可靠性。最后,针对完整的平行视觉系统,科学高效的平行训练方法可以进一步提高系统感知精度与稳定性。本文的主要工作如下:
本文针对自动驾驶中平行视觉系统的多个关键问题,提出了多项具体的关键方法,对于平行视觉在自动驾驶中的实际应用具有重要意义。 |
语种 | 中文 |
页码 | 160 |
内容类型 | 学位论文 |
源URL | [http://ir.ia.ac.cn/handle/173211/52102] |
专题 | 毕业生_博士学位论文 |
推荐引用方式 GB/T 7714 | 王建功. 面向自动驾驶的平行视觉关键问题研究[D]. 2023. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论