《主動環境感知學習與定位導航關鍵技術》是依託西安交通大學，由袁澤劍擔任項目負責人的重大研究計畫。
基本介紹
- 中文名：主動環境感知學習與定位導航關鍵技術
- 項目類別：重大研究計畫
- 項目負責人：袁澤劍
- 依託單位：西安交通大學
中文摘要,結題摘要,
中文摘要
環境感知與定位導航是無人駕駛車輛不可或缺的關鍵技術。如何借鑑人類視覺系統的環境感知學習能力，綜合利用視覺計算、多感測融合、人工智慧與機器人技術的最新研究進展，來提高自主行駛車輛的環境感知性能與定位導航精度具有重要的科學意義與套用價值。本課題旨在圍繞無人駕駛車輛主動環境感知與精確定位導航需求，主要研究：（1）異構圖像數據一致性關聯與配準；（2）交通標誌的主動搜尋與動態障礙物探測；（3）大範圍精細空間地圖的學習模型及其最佳化算法；（4）圖像類信息與非圖像類信息融合的精確定位策略；（5）高精度高解析度的可行駛路徑動態規劃。經過本課題的組織與實施，預期提出多感測數據融合的交通場景知識獲取與精確定位導航的有效途徑，實現無人駕駛車輛基於知識的主動環境感知，將無人駕駛車輛的定位精度提高到分米級，為重大研究計畫研製無人駕駛車輛驗證平台提供關鍵技術支撐。
結題摘要
動態視覺場景分析與魯棒定位導航是移動機器人系統或無人車平台進行大範圍環境主動感知與行為決策的核心技術。本項目主要圍繞感測數據的魯棒配準、靜態背景分離、運動目標檢測與跟蹤、融合定位與地圖學習等關鍵技術進行了研究，主要進展包括： （1）針對感測數據中只有部分對應與噪聲干擾情況下的魯棒配準問題，提出了點雲數據部分對應的剛體配準模型及其粒子濾波與仿生最佳化算法，並給出了配準算法的收斂性證明。我們的魯棒配準算法能同時求解感測數據之間的重疊百分比與剛體變換參數，對初變換參數不敏感，並在二維柵格地圖配準與融合上得到成功的套用。 （2）針對複雜動態視覺場景中運動目標與靜態背景分離問題，提出了集成多粒度線索的高階條件隨機場模型及其算法。我們的方法綜合利用特徵點軌跡對物體的形變魯棒性與超像素表觀屬性的一致性，可以精確可靠地分離靜態背景信息。其次，提出了融合圖像與深度信息的場景流計算的變分框架及有效疊代算法，該方法在無紋理與遮擋區域的場景流推理，運動邊界不連續性保持等方面具有良好的性能。 （3）研究了一般性目標的自動檢測與魯棒跟蹤方法,提出了視覺目標局部特徵與非局部特徵、及目標與周邊背景之間的上下文關係的表示框架，利用視覺目標長時相關性及與其背景短時差異性，建立目標描述與判別相協同的魯棒跟蹤模型及自適應學習算法，顯著提升了視覺跟蹤的準確性與魯棒性。其次，提出了一種集成區域特徵描述的判別式顯著性目標檢測方法，該方法可以自動選擇與融合區域特徵描述，較其他算法具有更好的檢測性能。 （4）研究了融合多感測器的同時定位與導航地圖創建（SLAM）方法，建立融合圖像與深度信息的魯棒定位與三維場景地圖生產的系統框架，提出了姿態拓撲地圖與測度地圖相結合的環境表示模型及其魯棒定位與地圖學習的最佳化算法。其次，利用道路場景豐富的視覺信息，提出了一種利用視覺表觀特徵匹配的無人車定位方法，該方法已在SPRINGROBOT無人車平台上得到成功驗證。
