自动驾驶环境中视觉识别关键技术研究

Visual Recognition is one of the core technologies of environment perception for self-driving car. Object detection and semantic segmentation are two of the most common visual recognition techniques. For existing visual recognition of self-driving car, small-scale object detection, object detection in complex scenes, joint object detection and semantic segmentation still face challenges. This project aims to utilize deep learning based methods. To deal with these challenges. Specifically, (1) studying scale approximation based small-scale object detection to solve the problem that small-scale objects have limited appearance information; (2) studying semantic assisted object detection in complex scenes to overcome the interference of occlusion and object-like area; (3) studying multi-level feature synergy based joint object detection and semantic segmentation to improve performance and accelerate speed of visual recognition. Based on the above research content, this project plans to improve the ability of visual recognition for self-driving car and provide the key technical support for the development of self-driving car in China.

视觉识别技术是自动驾驶汽车环境感知的核心技术之一。常用的视觉识别技术包括物体检测与语义分割。现有自动驾驶汽车的视觉识别在小尺度物体检测、复杂场景下的物体检测、联合物体检测与语义分割等方面仍然存在挑战。本项目旨在利用深度学习技术解决这些问题与挑战，具体内容包括：(1) 研究基于尺度逼近的小尺度物体检测，克服小尺度物体信息相对有限的问题；(2) 研究基于语义辅助的辅助场景物体检测，减少遮挡和类物体区域的干扰；(3) 研究基于多层次特征一体化的联合物体检测，提升视觉识别的性能和速度。通过上述研究内容，提升自动驾驶视觉识别能力，为我国自动驾驶智能技术的发展提供关键技术支持。

视觉识别技术是自动驾驶汽车环境感知的核心技术之一，对于自动驾驶汽车进行后续的路径规划和控制决策至关重要。自动驾驶汽车中常用的视觉识别技术主要包括物体检测与语义分割。近年来，基于深度学习的视觉识别技术（包括物体检测与语义分割）取得了巨大的成功。尽管如此，自动驾驶汽车视觉识别的性能仍然难以满足实际应用的需求，仍然存在许多问题与挑战。本项目围绕小尺度目标检测、复杂场景目标检测、目标检测与分割等相关内容开展研究，提出了系列具有创新性的研究工作，包括基于尺度解混目标检测技术、分类与回归重构的目标检测技术、空间位置信息保持的检测、分割、跟踪一体化技术等，促进了视觉识别相关技术的研究。此外，本项目构架了大规模目标检测数据集TJU-DHD，包含了交通场景和校园场景，涵盖了季节变化、光照变化、尺度变化、遮挡变化等，为后续进行自动驾驶视觉目标视觉相关研究提供的数据支撑。