乡村道路环境下无人驾驶车辆关键技术与集成验证平台研究

本项目的研究内容是乡村道路环境下无人驾驶车辆的关键技术。在上述关键技术中，其核心问题是图像与视觉信息计算。针对该问题，本项目将研究重点多传感器融合的乡村道路环境理解与建模，在研究中，我们将充分发挥信息科学、生命科学和数理科学的交叉优势，从人类的视觉认知机理出发，研究并构建新的计算模型与计算方法，提高计算机对非结构化视觉感知信息的理解能力和海量异构信息的处理效率，克服图像信息处理所面临的瓶颈困难，并在视觉信息处理的基础理论研究方面取得重要进展。此外，针对无人驾驶车辆验证平台中所涉及的其他关键技术，包括无人驾驶车辆的体系结构和智能决策系统，乡村道路环境下的路径与行为规划技术，系统集成技术，本项目也将进行深入的研究，以便最终能够完成一个无人驾驶车辆验证平台，来集成上述的研究成果。基于我们十七年无人驾驶车辆研究的积累，我们提出了一些可行的性能指标，使该无人驾驶车辆的性能能够达到世界先进水平。

面向乡村道路环境的无人驾驶车辆环境认知、自主导航与及系统集成是国内外研究热点之一。本项目从人类的视觉认知机理出发，充分发挥信息科学、生命科学和数理科学的交叉优势，研究并构建新的计算模型与计算方法，提高计算机对非结构化视觉感知信息的理解能力和异构信息的处理效率。. 本项目围绕无人驾驶车辆的体系结构和智能决策系统、基于多传感器数据融合原理和认知的视觉导航理论和方法、乡村道路环境下的路径与行为规划技术以及无人驾驶车辆集成验证平台的构建等内容开展研究，提出了面向三维多源海量感知信息的贝叶斯置信度模型建模方法以及高效降维理论和方法、基于马尔科夫随机场模型和图切理论的道路检测算法、实现了基于分布式黑板系统的多智能体行为协调、冲突消解机制和多智能体通信支撑环境ROBIX-NSF、提出了基于速度空间寻优的局部路径规划方法、基于FABEMD融合计算的光照不变量特征提取以及基于视觉注意模型的运动目标定位方法、研制了区域自适应曝光导航摄像机，对于野外复杂环境自然光线突变具有一定的鲁棒性，为环境信息理解提供了有力支撑。. 本项目发表高水平研究论文140余篇，申请国家发明专利4项，授权国家发明专利3项，培养博士、硕士研究生40余名、并与国外知名的CMU大学机器人研究所所建立了长期合作关系，达到了预定的技术指标，与国内外著名无人驾驶车辆相比，形成了自身独特的研究特色，研究水平处于国际领先水平。