基于视觉特征融合的无人驾驶感知与建图算法设计开题报告

1.1 研究背景

古往今来，交通方式的发展与人类社会的进步息息相关。从马车的出现到内燃机的发明再到现代各种交通工具的逐步完善，都会极大的推动社会发展的进程。汽车作为数量最多、普及最广的交通工具，经过了难以量计的人才对其的逐步完善下达到了现今足够成熟的地步。在传统的驾驶场景中，驾驶员的注意力需要长期保持高度集中来应对道路的变化、来往车辆以及突发状况。然而随着汽车的普及，道路的车辆密度近几年爆发式增长，拥堵现象频繁出现，驾驶难度也跟着逐步上升。天气变化、环境污染、心态转变等多方面因素也直接或间接的导致驾驶环境日渐复杂和恶劣。汽车驾驶的安全性、舒适性是目前亟待解决的问题。此外，在高原地区、极寒的天气和重复的运输工作中，人们的心理和身体都经受着重重考验。人类科技朝着自动化、智能化的方向发展，汽车行业跟随时代脚步，迈向下一阶段的发展目标——无人驾驶。

无人驾驶是指结合传感器、计算机视觉、模式识别、智能控制、人工智能等多领域技术让汽车自主实现环境感知、路径规划和车辆控制的技术。无人驾驶系统通过传感器组成视觉系统对环境进行感知，通过算法对采集到的图像或点云信息进行处理，包括检测、分割和追踪等。对车辆、障碍物、交通信号灯、交通标志、车道线等的检测和分类都依赖于分割技术，而对动态目标的追踪也是预测目标运动、防止碰撞的关键。有了对车辆行驶场景的精确理解，无人驾驶系统在高精地图的基础上做出路径规划和避障行驶。

2. 研究内容和预期目标

2.1 研究内容

（1）了解VSLAM和目标检测技术

充分了解无人驾驶、VSLAM和目标检测的研究背景和意义，调查国内外无人驾驶的研究现状和趋势，了解VSLAM的原理和架构。

3. 研究的方法与步骤

3.1研究方法

（1）搜集相关资料和调研，了解无人驾驶、VSLAM和目标检测的国内外发展和研究现状，整理和总结相关领域仍存在的问题，为课题研究做好充分的准备

（2）学习Ubuntu18.04操作系统，熟练掌握系统下VSLAM和目标检测相关算法的环境配置和运行

4. 参考文献

[1] DAVISON A J, REID I D, MOLTON N D, et al. MonoSLAM: Real-timesingle camera SLAM [J]. IEEE transactions on pattern analysis and machineintelligence, 2007, 29(6): 1052-67.

[2] SALAS-MORENO R F, NEWCOMBE R A, STRASDAT H, et al. Slam :Simultaneous localisation and mapping at the level of objects [C]. 2013 IEEEConference on Computer Vision and Pattern Recognition, 2013: 1352-9.

[3] MUR-ARTAL R, MONTIEL J M M, TARDOS J D. ORB-SLAM: a versatile andaccurate monocular SLAM system [J]. IEEE transactions on robotics, 2015, 31(5):1147-63.

5. 计划与进度安排

2024.01.01—2024.01.31 课题调研，了解相关技术和要求；

2024.02.01—2024.02.28 填写开题报告，完成外文资料的翻译；

2024.03.01—2024.04.30 实验分析，数据整理，完成论文初稿；