面向自动驾驶语义分割的图卷积神经网络方法研究OA

现今自动驾驶面临城市街景的非规范化路况、行人横穿以及掉落物等突发事件,传统基于机器学习的语义分割方法面对自动驾驶的实时精准识别仍存在一定差距。深度学习具有自动学习数据特征的优点,尤其是图卷积神经网络能够处理复杂图结构,成为自动驾驶语义分割领域的热门研究方向之一。介绍了传统机器学习语义分割的主要类别,并对各种方法优缺点进行论述;具体从图卷积神经网络的数学机理推演和核心原理完善上梳理了图卷积神经网络算法的发展历程;基于数据特性的差异性,综述了基于空域和谱域这两种主要图卷积神经网络类别在流派定义、结构优势和局限性三个方面的具体研究进展;进一步分析说明了图卷积神经网络相较于其他图神经网络在自动驾驶领域的优势;面向图卷积语义分割在自动驾驶中的现实应用,从图像数据、点云数据、多模态融合数据三个方面全面概述了语义分割应用现状,并深入分析了现有研究的局限性;对自动驾驶语义分割研究领域目前存在的大规模图实时性、过平滑精度与动态图鲁棒性三个主要问题进行了解析和优化。