无人驾驶汽车协同感知信息传输负载优化技术

• 作者: 吕品 李凯 许嘉 李陶深 陈宁江
• 来源期刊: 计算机学报
• 关键词: 无人驾驶汽车 协同环境感知 深度学习 生成对抗网络 传输负载
• 年，卷（期）: 2021,（10）
• 页码范围: 1984-1997
• 页数: 14页
• 分类号: TP393
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2021.01984

摘要

无人驾驶近年来成为了学术界和工业界的研究热点,无人驾驶汽车的环境感知则是其中的重要基础.仅通过提升无人驾驶汽车上的传感器数量和精度并不能完全消除车辆的感知盲区,因此无人驾驶汽车与路边基础设施进行协同环境感知越来越受到关注.通过车路协同感知,无人驾驶汽车的感知范围能够得到有效扩展,有助于消除感知盲区,对于提升无人驾驶的安全性具有重要意义.在各类环境感知信息中,摄像头拍摄的视频占有最重要的地位.然而,视频帧所包含的数据量较大,传输每个视频帧会导致网络负载过重,传输延迟增大,影响环境感知信息的时效性.本文提出了一种视频感知数据的传输负载优化方法,主要思想是通过路边基础设施把视频帧中的静态背景与动态前景进行分离,仅在初始时传输一次静态背景,其余每次仅传输动态前景信息,这样可以使得传输负载大幅降低.无人驾驶汽车将收到的静态背景图像与动态前景图像重新融合成视频帧,然后基于视频帧所反映的行车环境做出正确的驾驶决策.对于静态背景与动态前景的分离,本文提出了一种基于像素值计算的视频帧背景去除和降噪方法,能够快速地从视频帧中提取动态前景;对于静态背景与动态前景的融合,本文提出了一种基于生成对抗网络的视频帧生成方法,能够快速地把静态背景和动态前景融合成视频帧.通过在真实数据集上的测试可知,本文提出的方法能够在重要环境感知信息不丢失的前提下使传输负载降低85％以上,感知信息处理时间降低70％以上.这表明本文提出的方法能够高效地实现无人驾驶汽车与路边基础设施的协同环境感知,有助于构建更加安全的无人驾驶系统.