文献类型：期刊文章

作　　者：张新钰[1] 高洪波[2] 赵建辉[3] 周沫[2]

ZHANG Xinyu;GAO Hongbo;ZHAO Jianhui;ZHOU Mo(Information Technology Center, Tsinghua University, Beijing 100084, China;State Key Laboratory of Automotive Safety and Energy Tsinghua University, Beijing 100084, China;Department of Computer Science and Technology, Tsinghua University, Beijing 100084, China)

机构地区：[1]清华大学信息技术中心,北京100084 [2]清华大学汽车安全与节能国家重点实验室,北京100084 [3]清华大学计算机科学与技术系,北京100084

出　　处：《清华大学学报（自然科学版）》

基　　金：国家重点研究和发展计划(2016YFB0100903);北京市科学技术委员会重大专项(d171100005017002,d171100005117002);中国博士后基金(2017M620765)

年　　份：2018

卷　　号：58

期　　号：4

起止页码：438-444

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：该文在行人检测技术方面介绍了基于卷积神经网络（CNN）模型的目标识别、检测技术与改进的区域卷积神经网络（R-CNN）、任务辅助卷积神经网络（TA-CNN）模型技术。在立体匹配技术方面简述了基于孪生网络的立体匹配的深度学习模型技术。在多传感器融合技术方面回顾了基于深度学习网络的视觉传感器、雷达传感器与摄像机传感器的多源数据融合技术。在汽车控制技术方面分析了基于卷积神经网络实现无人驾驶车辆端到端的横向与纵向控制技术。深度学习技术在自动驾驶领域的感知层、决策层与控制层的广泛运用,不断地提高感知、检测、决策与控制的准确率,并取得一定的成功,分析表明深度学习技术将加速自动驾驶技术的发展速度,为自动驾驶成为现实带来巨大的可能性。

关 键 词：计算机视觉 深度学习  无人驾驶车辆 传感器

分 类 号：TP399]