基于双目视觉的自动驾驶技术研究

A methodology was proposed in this application that the use of low-cost videosensor and conventional satellite positioning module, combined with geographic information technology and photogrammetry theory, to solve one of the core issues for the automatic driving --driving scene perception and reconstruction...The main contents include: First, interested objectives (such as road signs, avariety of common traffic signs and markings, pedestrians, vehicles) identification and tracking based on monocular vision, then interest in targeting based on binocular vision for recognition, classification and measurement, then driving map constructing based on visual SLAM, then real-time local path planning based on rolling window and virtual lane, and finally testing in driving scenarios to evaluate the accuracy and reliability analysis of the driving map...When the project is completed, put forward a method of dynamic driving map construction based on binocular visual and spatial information theory, to realize rapid identification of binocular vision-based lane roads, traffic signs, vehicles and pedestrians, lane-level position, to improve the local path planning algorithm based on map-based theory for automatic driving under specific road conditions ,to explore a new low-cost solution that reduces product costs of automatic driving and active safety assistance. The research results may promote geographic information technology applications in the automotive driver assistance and active safety, and to provide theoretical and technical support for the improvement of road traffic safety and improve the efficiency of road traffic.

本申请书提出利用低成本的视频传感器和普通卫星定位模块，结合地理信息技术和摄影测量理论，针对自动驾驶的核心问题之一“驾驶场景感知与重建”开展自动驾驶关键技术和方法的研究。主要研究内容包括：首先基于单目视觉进行兴趣目标（如路标、各种常用交通标志标线、行人、车辆）的识别和跟踪，接着基于双目视觉对识别的兴趣目标定位、分类和量测，然后基于视觉SLAM构建驾驶地图，再后基于滚动窗口和虚拟车道实现局部路径实时规划，最后以试验场景对驾驶地图精度进行评价与可靠性分析。项目完成时，提出一套基于双目视觉和空间信息理论的驾驶地图动态构建方法，实现基于双目视觉的道路车道线、交通标志、车辆与行人的快速识别、车道级定位，完善基于地图理论的局部路径规划算法，为特定道路条件下自动驾驶探索出一种新的低成本解决方案，降低自动驾驶和主动安全辅助驾驶产品成本，为改善道路交通安全和提高道路通行效率提供理论和技术支撑。

本项目针对自动驾驶的核心问题之一“驾驶场景感知与重建”开展自动驾驶关键技术和方法的研究，主要研究内容包括：首先，构建了基于视觉相机和多传感器数据融合集成的智能驾驶试验车辆平台，实现多传感器数据的采集和多元数据的融合配准；其次，开展了视觉图像的去噪、恢复等研究，基于单目视觉进行了兴趣目标（如路标、各种常用交通标志标线、行人、车辆）的识别和跟踪，实现基于双目视觉的道路车道线、交通标志、车辆与行人的快速识别、车道级定位；再次，开展了基于视觉的、基于多传感器融合的SLAM技术相关研究，实现地下地上的高精度定位与测图；此外，围绕智能驾驶高精地图的采集、建模与表达展开了研究，提出了系列快速建立场景地图的方法；在以上基础上，完善了基于地图理论的局部路径规划算法，并进行了驾驶风险评价研究，降低自动驾驶和主动安全辅助驾驶产品成本，为改善道路交通安全和提高道路通行效率提供理论和技术支撑；最后以试验场景对驾驶地图精度进行评价与可靠性分析。.项目创建了车道级高精度道路众包测图的理论和新方法，突破了轨迹大数据高精度清洗、车道级道路更新等技术，提出了面向车道的多层次道路网络模型，制定了国家标准规范，对当前和未来无人驾驶和网联汽车的电子地图的生产和应用提供标准支撑，具有重要指导意义。.本项目培养硕士研究生12名，博士研究生3名，在国内外核心期刊发表论文22篇，发表国际会议论文3篇，授权发明专利1项，牵头制定国家标准一项。项目成果作为“大数据环境下高精度道路地图众包测绘与动态更新技术”成果的一部分，获得2019年获得教育部科技进步一等奖。