推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

自动驾驶中的可通行区域检测与自由空间估计.docx

资料介绍

自动驾驶中的可通行区域检测与自由空间估计

一、引言

可通行区域检测是自动驾驶感知系统中"不撞什么"的基础能力——系统需要精确地知道"车辆可以安全行驶的物理空间在哪里"。与目标检测关注"有什么物体"不同,可通行区域检测关注的是"哪里有空间"——不仅仅是遵循车道线的"规则中的可行驶区域",还包括在必要时可以借用的空间。自由空间估计则在此基础上更进一步——不仅评估空间是否存在,还评估空间的安全性——前方的水坑是否可以压过、路边的草地是否可以短时借用、被雪覆盖的区域下方是否是坚实的路面。两者共同构成了自动驾驶系统在复杂非结构化环境中安全导航的感知基础。

二、可通行区域检测的技术方法

基于语义分割的直接估计。 语义分割模型输出每个像素的语义类别——道路、路肩、人行道、草地等——可通行区域的直接估计将"道路""车道"类别视为可通行区域,将其余类别视为不可通行区域。Cityscapes数据集中的道路类分割精度在量产系统中已达到95%以上的IoU。基于语义分割的可通行区域估计在结构化的城市道路上效果稳定——车道边界清晰、道路与路肩的边缘分明。

基于距离场的隐式估计。 距离场方法不直接分类像素是否"可通行",而是估计每个位置到最近障碍物的"欧几里得距离"。距离场输出一个连续的距离图——车辆所在位置的距离为零,远离障碍物的区域距离增大。规划器利用距离场生成与障碍物保持安全距离的路径,而不仅限于"可通行/不可通行"的二值分类。华为GOD网络的障碍物距离场估计模块在BEV空间上输出每米精度的距离场,最近障碍物距离的估计误差控制在15厘米以内。

几何重建的自由空间。 激光雷达点云通过地面滤波去除地面点后,剩余点云中的空白区域构成"自由空间"。自由空间的边界由点云中检测到的物体点与地面滤波后的空白区域的交界处确定。几何自由空间估计不依赖语义理解、不受光照变化影响——在无照明的暗夜中仍然可以通过激光雷达准确估计可通行区域的边界。禾赛科技的激光雷达在标准化场景下自由空间边界检测的精度达到10厘米。


部分文件列表

文件名 大小
66_自动驾驶中的可通行区域检测与自由空间估计.docx 39K

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单
  • 21下载积分 打赏70.00元   3天前

    用户:铁蛋锅

  • 21下载积分 打赏65.00元   3天前

    用户:xzxbybd

  • 21下载积分 打赏60.00元   3天前

    用户:jh0355

  • 21下载积分 打赏60.00元   3天前

    用户:w178191520

  • 21下载积分 打赏20.00元   3天前

    用户:jh03551

  • 21下载积分 打赏20.00元   3天前

    用户:sun2152

  • 21下载积分 打赏20.00元   3天前

    用户:kk1957135547

  • 21下载积分 打赏25.00元   3天前

    用户:w1966891335

  • 21下载积分 打赏20.00元   3天前

    用户:xuzhen1

  • 21下载积分 打赏15.00元   3天前

    用户:x15580286248

  • 21下载积分 打赏25.00元   3天前

    用户:pcb

  • 21下载积分 打赏20.00元   3天前

    用户:bhacker

  • 21下载积分 打赏15.00元   3天前

    用户:liqiang9090

  • 21下载积分 打赏25.00元   3天前

    用户:有理想666

  • 21下载积分 打赏15.00元   3天前

    用户:godbox

  • 21下载积分 打赏15.00元   3天前

    用户:aetek

  • 21下载积分 打赏5.00元   3天前

    用户:mulanhk

  • 21下载积分 打赏5.00元   3天前

    用户:JuneLin61

  • 21下载积分 打赏5.00元   3天前

    用户:ccc6188

推荐下载