关于智能驾驶的关键技术和挑战

智能驾驶开发中的若干关键问题

1. 当前市场中，摄像头产品在识别近距离静止目标以及输出车道线方程系数时，存在较大的动态波动现象。请问您认为造成这些问题的主要原因是什么？针对这些情况，应当采取哪些应对措施？

近距离检测存在的问题

1）视场角范围过窄

2）图像采集帧率偏低

3）扩充样本数据量

车道线方程系数波动问题

1）深度学习网络结构规模较小，应适当增加车道线识别网络的层级数量，并调整各层卷积核的数量。

2）引入更多不同环境条件下的训练样本数据。

3）增强对车道线的追踪能力。

4）优化曲线拟合过程中特征点的选择方式。

5）修正和调整摄像头的标定参数。

A）摄像机外参：用于描述摄像机坐标系与世界坐标系之间的相对位置关系。

其中Pw代表世界坐标，Pc表示摄像机坐标，两者之间的转换关系为Pc = RPw + T。其中T= (Tx,Ty,Tz)是平移向量，R = R(α,β,γ)是旋转矩阵，分别表示绕摄像机坐标系z轴旋转的角度γ、绕y轴旋转的角度β以及绕x轴旋转的角度α。这6个参数（α,β,γ,Tx,Ty,Tz)共同构成了摄像机外参。

B）摄像机内参：用于确定从三维空间到二维图像的投影关系。

针孔摄像机模型包含6个参数（f,κ,Sx,Sy,Cx,Cy)；远心摄像机模型则包含5个参数（f,Sx,Sy,Cx,Cy）。线阵摄像机模型包括9个参数（f,κ,Sx,Sy