目标检测算法在无人驾驶领域应用的研究*

马 飞 ，刘 祯 *

（1.湖北文理学院 纯电动汽车动力系统设计与测试湖北省重点实验室，湖北 襄阳 441053；2.湖北文理学院 汽车与交通工程学院，湖北 襄阳 441053）

环境感知、行为决策以及动力控制三大模块大体组成无人驾驶车辆系统的总体架构。其中无人车“智能”的核心模块是行为决策。动力控制模块对无人车进行运动控制的基准来自于行为决策模块对周围环境及自车信息的综合[1]，因此可以说行为决策模块是无人车的大脑。组成行为决策模块的方法主要有两大类，一类是基于规则的行为决策方法，例如有限状态机法，此方法的优点有逻辑清楚、实用性强等；另一类是基于深度学习的决策方法[2]以及基于决策树[3]，支持向量机（SVM）[4]等机器学习的决策方法。由于不同道路的环境差异较大，而基于规则的行为决策模型泛化能力差，因此难以满足车辆在随机道路上行驶时所产生的复杂决策，基于深度学习的决策方法，在经过海量道路数据训练后的网络模型能达到较高的泛化能力以及极强的灵活性，因而现在多在实际落地场景中被采用。但是无论采用哪种决策方法，其决策质量的好坏极大程度取决于车辆感知层输入数据的好坏。一般来说，感知层的数据来源有三大部分：（1）基于雷达、摄像头等车载传感器所获得的局部环境信息。（2）基于GPS、SLAM（Simultaneous Localization And Mapping）[5]等方法获取的自车定位信息。（3）地理地图信息和任务信息[6]。其中实时反映无人车运行状况的信息为基于雷达、摄像头等获取的局部环境信息。……