基于深度学习和多传感器信息融合的全场景自动泊车技术研究和应用
本研究旨在解决当前自动泊车技术在复杂环境条件下的限制，通过基于深度学习和多传感器信息融合的方法，实现全场景自动泊车技术的研究和应用。本研究的主要内容包括：多维环境信息感知及融合、复杂环境条件下的车位识别、自动泊车动态路径规划及控制等。
一、多维环境信息感知及融合
为了提高自动泊车系统对环境的识别能力，本研究将通过多个传感器实现环境感知，包括车身车载 4 个 360°环视摄像头、超声波雷达、视觉传感器等。这些传感器可以提供丰富的环境信息，包括车辆周边环境、障碍物等。通过将来自多个传感器的数据信息进行组合和互补，可以获得更精确的环境描述，完成所需要的决策和估计。
二、复杂环境条件下的车位识别
本研究将针对复杂环境条件下的车位识别算法开展研究，利用视觉及超声波传感器感知的环境数据，进行各种形状、颜色、大小的车位信息识别，包括并不限于白色、黄色、平行车位、垂直车位、斜方位车位、特殊车位等多种复杂车位情况。通过深度学习的方法，有针对性的分别训练停车位分析及动态障碍物分析模型。
三、自动泊车动态路径规划及控制
对于自动泊车而言，最重要的是要知道车辆自身处在什么位置上，才能在自动泊车过程中确定车辆自身的姿态及进行正确的轨迹规划。为了弥补 GPS 更新率低的问题，以及惯性导航所存在的「累计误差」问题，本研究将利用车载 GNSS、高精度 IMU 和轮速计等设备，对车辆位置进行短距离精准定位，以辅助路径规划等模块。
四、高精度车身姿态感知
本研究针对车身姿态感知通过使用多传感器数据融合的方式，结合 GPS、图像传感器及 IMU 实现车身姿态感知数据的高精度。同时，将车身姿态、动态障碍物等数据作为泊车轨迹动态规划的影响条件，实现实时化的泊车轨迹动态调整，解决了存在动态障碍物的条件下的自动泊车问题。
五、结语
本研究旨在解决当前自动泊车技术在复杂环境条件下的限制，通过基于深度学习和多传感器信息融合的方法，实现全场景自动泊车技术的研究和应用。本研究的成果将为国内自动泊车技术应用的水平带来新的推动，提高车辆的技术竞争力，并为交通行业的发展作出贡献。
