隗寒冰，白 林

(重庆交通大学 机电与车辆工程学院，重庆 400074)

0 引 言

融合多源异构信息的环境感知算法是智能汽车目标检测的关键和共性技术之一。近年来，采用单一传感器信息进行目标检测算法开发的研究较为普遍，对基于多线激光雷达、GPS、相机等多源信息融合的智能汽车环境感知算法研究还相对较少。文献[1-3]通过递归思想将目标检测构建为一个回归问题，利用单一神经网络预测目标的位置和分类。LIU Wei等[4]采用前馈卷积网络产生固定大小的边界框集合，并对这些边界框中存在的目标类别实例进行评分，然后进行非极大值抑制来选择最终检测结果。.ARCOS-GARCA等[5]分析了几种目标检测框架与特征提取器相结合的性能，并提出迁移学习方法改进交通标志检测算法，然后对检测算法的mPA、内存分配、运行时间等进行测试评价；但该算法未考虑到车辆运动状态、天气条件、传感器抖动、目标遮挡、光照强度变化等因素对环境感知算法产生的影响。但基于深度学习识别交通标志的应用场景仍能在雾霾天气进行[6]。

考虑到单一传感器受自身条件与环境因素限制，XUE Jianru等[7]利用多传感器数据融合进行障碍物检测，并以手工标记障碍物的准确率为标准，采用数据关联匹配对算法进行测试评价。CHEN Xiaozhi等[8]采用多视图融合的目标检测框架，将雷达点云映射到二维坐标图像以得到前视图和鸟瞰图，然后通过提取感兴趣区域特征信息进行目标检测。LIANG Peijung等[9]采用相……