包 俊，刘宏哲

（北京联合大学北京市信息服务工程重点实验室，北京 100101）

0 概述

视觉环境感知能够提供驾驶场景的基本信息，在自动驾驶技术的发展中发挥着重要作用。传统的环境信息获取是通过窄角针孔摄像头的方式，而自动驾驶汽车需要更大的视野来感知复杂的环境，鱼眼图像具有视场大和视角广的特点，因此，鱼眼照相机在自动驾驶领域得到广泛应用。

鱼眼照相机拍摄的图像具有很强的失真［1］，畸变给图像处理带来困难，鱼眼图像在使用前通常是去失真的，但图像去失真会损害图像质量（尤其是在图像边界处）并导致信息丢失。此外，标准相机的视野有限，要求许多相机覆盖整个车身周边地区，解决该问题的方法是在环境信息感知时使用鱼眼镜头，广角视图可以提供180º的半球视图。利用该特点，理论上只需2个摄像头就可以覆盖360º。然而，鱼眼相机在图像中引入了强烈失真，使得场景中的元素在图像上出现畸变，因此，常规的目标检测网络（如Faster_RCNN［2］）难以应用于鱼眼图像的目标检测任务。

近年来，卷积神经网络在图像分类、语义分割［3］和目标检测等视觉识别任务中得到广泛应用，此外，手工构建的结构（如金字塔池模块［4］）也有助于提高卷积神经网络的目标特征提取能力。然而，卷积神经网络具有固定的结构，如固定的过滤核、接收野大小和池核，缺乏处理几何形变的内部机制，因此，其对图像中存在形变的目标的建模能力有限。

在……