基于一致性超级感知容器的自动驾驶汽车传感数据智能全息融合

Environmental perception based on fusion of multi-sensors is an inevitable trend in development of automated vehicles. Existing sensor fusion methods are deeply coupled with hardware, and fail to make full use of every sensor's advantages. The insufficiency of environmental perception has resulted in the constraint on development of high-level autonomous driving to some extent. This project intends to build a new model of HD Map (High Definition Map) as a super perception container and achieve the consistent expression of perception results, as well as introduce artificial intelligence algorithms to realize smart fusion of various sensing data and making full use of the complementary and redundant information, in order to improve the perception capability of high-level automated vehicles..The intended research contents can be concluded as follows: 1) study the perception requirements of automated vehicles based on vehicle dynamics, and propose a method to consistently describe the driving space; 2) carry out research work on dynamic self-organizing mechanism of the sensing system, and put forward an efficient real-time fusion algorithm for data fusion; 3) establish a smart AI fusion method for targets with prior knowledge and Deep Learning method to improve the perception; 4) generate a super perception container of consistency based on HD Map for autonomous driving and the safe driving space for vehicles, which is supposed to satisfy the perception requirements of high-level automated vehicles. The algorithms and theory will be validated by road test using the experimental automated vehicles. The research work of this project will provide new theoretical support for the data fusion of high-level automated vehicles.

融合多种传感器进行环境感知是自动驾驶汽车发展的必然趋势，现有的感知融合与硬件方案深度耦合、难以充分发挥每种传感器的最佳性能，环境感知能力不足已经成为制约智能汽车实现高级自动驾驶的关键瓶颈。本项目拟构建一种全新的自动驾驶地图模型作为超级感知容器，实现感知结果的一致性表达，引入人工智能算法实现各种传感信息的智能全息融合，充分利用传感器的信息互补和冗余，提高自动驾驶汽车的感知能力。.项目拟在汽车动力学基础上研究自动驾驶汽车感知需求，建立行驶空间一致性描述；研究感知系统的动态自组织机制并在数据层实现高效的实时融合算法；基于深度学习机制，利用先验知识建立目标层的智能融合方法，实现智能全息感知融合；最终基于自动驾驶地图构建一致性的超级感知容器，生成车辆安全行驶全息空间，满足高级自动驾驶对环境感知的需求，最后通过实际道路试验对相关算法进行验证。该项目可为高级自动驾驶汽车传感数据融合处理提供新的理论支持。

环境感知能力不足已成为制约智能汽车实现高级自动驾驶的关键瓶颈。多传感器融合的环境感知是自动驾驶汽车发展的必然趋势，但多传感器信息具有不同步、跨模态、难融合的特点，本项目针对多传感融合的关键难题，提出了满足车辆实际需求的动态融合感知方法，实现了自动驾驶感知能力的突破。.本项目提出了基于边界式行驶空间的自动驾驶感知信息一致性描述方法，构建了智能汽车感知需求模型，根据行驶过程中的动态需求对感知能力进行动态评价，提出了智能汽车自动驾驶感知系统的动态自组织机制，增强自动驾驶汽车的自适应感知能力；提出了基于高精度地图的多源异构传感数据时空统一方法，建立了在线评价和失效检测方法，为自动驾驶车辆多传感器的动态融合奠定了时空统一基准；提出了基于深度学习与先验知识的目标层的智能全息融合方法，基于自动驾驶地图构建了一致性超级感知容器，融合多源信息形成了车辆安全行驶全息空间，实现了对行驶空间的认知理解；搭建了自动驾驶环境感知实验平台，对所提出的理论和方法进行定性定量评价与验证，取得较好的验证结果与示范应用。本项目提升了智能汽车自动驾驶环境感知能力及其适应性，满足了高级别自动驾驶对环境感知的需求，推动了智能汽车自动驾驶技术的发展。.本项目共发表SCI/EI论文20篇（SCI论文10篇），申请发明专利17项（授权9项），软著4项，撰写教材1本，参与了国家标准2项、地方标准1项、团体标准5项，相关研究成果荣获了中国汽车工程学会科学技术进步奖特等奖、中国测绘学会测绘科学技术奖一等奖，以及日内瓦国际发明展银奖。本项目研究为高级自动驾驶汽车传感数据融合处理提供新的理论支撑与技术保障。