仇旭阳，黄影平，郭志阳，胡 兴

（上海理工大学 光电信息与计算机工程学院，上海 200093）

从复杂的交通场景图像中准确地检测、辨识障碍物并实现深度估计是智能汽车研究的一个重要课题[1]。随着深度学习的发展，目标检测和识别进入到一个新的阶段。与传统的使用人工设计的特征，如LBP（local binary patterns）[2], HOG（histogram of oriented gradient）[3]等对目标进行特征提取，然后将提取到的特征输入到贝叶斯（Bayes）[4]，SVM（support vector machine）[5]等分类器进行检测和识别的机器学习方法不同，基于深度卷积网络的检测方法具有强大的特征提取能力，能够更好地学习目标的特征，实现更高精度的检测。目前基于深度学习的目标检测方法主要分为基于候选区域的双步（two-stage）检测方法，如R-CNN[6], Fast RCNN[7]，Faster R-CNN[8]等。这类算法将检测阶段分为两步，首先提取图片中目标可能存在的候选区域，然后再将提取的候选区域输入到卷积神经网络中进行特征提取，最后再进行检测和边界框修正[9]。这类算法的特点是检测速度较慢但检测精确度较高。基于边界框回归的单步（one-stage）目标检测算法如SSD[10]，YOLO（you only look once）[11]，YOLOv2[12]，YOLOv3[13]等，这类算法不再需要区域建议阶段，直接由网络产生目标的类别概率和位置坐标，经过单次检测即可直接得到最终的检测结果，因此，具有更快的检测速度。其中，YOLOv3不仅检测精度较高，而且速度较快。但是，对于复杂交通场景中较小的障碍物，检测效果不佳。而且这些基于深度学习的障碍物检测方法，一般采用单目视觉方法，不能检测出目标的深度信息。

对障碍物的深度估计可以使用激光雷达、毫米波雷达、超声波等传感器。……