廖存燚，郑 毅，刘玮瑾，于 欢，刘守印*

（1.华中师范大学 物理科学与技术学院，武汉 430079；2.武汉大学 测绘学院，武汉 430079）

0 引言

汽车自动驾驶系统的环境感知模块能自主采集周边环境信息，计算得到车辆周围物体的位置、车辆本身的位姿和车辆附近的地图等信息。在汽车对环境精准感知的基础上，自动驾驶系统能对行进路线进行正确的决策。由于目前摄像设备价格低廉，拍摄的图像富含色彩、纹理等信息，基于车载摄像机的环境感知模块已被广泛应用于自动驾驶中［1］。

近年来，深度学习技术在自动驾驶的环境感知领域中发挥着至关重要的作用，其中，确定车辆周围行人和其他车辆的位置、种类和运行轨迹是研究的重点和难点任务。针对这些问题，目前研究者分别对目标检测任务［2-3］、实例分割任务［4-5］和目标跟踪任务［6-7］开展独立研究。针对每个任务，目前业界提出了许多优秀的模型，且分别取得了较高的性能。自动驾驶系统需要同时接收多个任务的预测结果，以作出正确的行进决策。多个独立的任务处理单元势必对计算资源和实时性提出了巨大的挑战，因此，探究一种多任务学习方法，构建能同时完成目标检测、实例分割和目标跟踪等多任务环境感知算法，是一项重要的研究任务［8］。

目前，构建自动驾驶环境感知多任务模型的主要思路为：首先构建一种可以并行处理多个任务的深度学习模型，模型包含多个并行模块，每个模块对应一个主要任务；……