半监督流形学习方法及其在环境感知中的应用

智能车辆的环境感知能力决定了其发展水平的高低，面对复杂多变的场景，如何更好地提高感知能力成为了一项有挑战而充满意义的工作。引入机器学习理论是提高环境感知水平的重要方向。本项目基于智能车辆的多传感器平台，利用多源传感器信息，有效地将信息间的互补特性和半监督学习、流形学习的相关理论结合，开展车辆行驶环境中的感知、识别等问题研究。借助流形学习理论的良好维数约简能力和潜在的认知学内涵，在传感器信息指导下完成半监督流形学习算法的改进，实现基于多源信息流形学习方法的车辆可通行区域检测、基于互监督学习的障碍物检测、基于外观流形和序贯信息的交通路标识别算法，并构建基于学习理论的智能车辆环境感知系统。该项目有力于提高智能车辆的环境感知能力，对推动我国智能车辆技术的发展有重要的意义。

本项目的研究针对智能车辆的多传感器环境感知平台，一方面强调建立有效的特征学习方法并应用于具体的环境感知任务；另一方面强调利用多源传感器信息，将信息间的互补特性和流形学习、监督学习等相关学习方法相结合，建立新颖的学习机制以提高智能车辆的环境感知能力。项目研究按照原定计划顺利完成，针对计划中的所有内容进行了研究，取得了一系列重要的研究成果。其中代表性的研究成果包括：（1）在对流形学习相关理论进行了深入研究与总结的基础上，提出了基于结构化稀疏图的流形学习新框架；（2）提出了基于局部特征编码的外观流形学习方法并应用于智能驾驶车辆的路标识别任务中；（3）完成了项目中所需的多传感器环境感知平台的搭建、数据采集与同步，建立了相应的算法验证平台；（4）针对可通行区域检测及障碍物检测这一应用，提出了一种基于分块高斯过程回归的地面标记算法；（5）结合激光雷达以及图像传感器信息，提出了一种基于互监督学习的可通行区域分割算法。项目相关的研究成果既包含流形学习方面的理论创新又强调落实于智能车辆这一实际应用，其相关的研究成果对于解决智能车辆环境感知技术中的关键技术问题，推动我国智能车辆技术的发展有着重要的意义。