原文传递
智能网联车异构感知融合与任务卸载优化策略研究
| 论文题名： | 智能网联车异构感知融合与任务卸载优化策略研究 |
| 关键词： | 自动驾驶;感知融合;多源异构;任务卸载;车联网通信;深度学习 |
| 摘要： | 随着互联网技术的发展，自动驾驶系统和车联网的出现促使汽车步入智能时代，而将单车智能和智能网联相结合的智能网联车是未来智能汽车的技术研究重点。智能网联车可以通过传感器对周围环境进行感知，同时也可以通过V2X技术和其他的智能网联车或路旁设备交互信息。将车联网技术与感知数据融合模块相结合，对智能网联车的研究和发展具有至关重要的意义，因此本文基于汽车智能网联技术，以异构感知数据融合与任务卸载协同优化的框架作为核心展开了研究。 当前的感知融合策略中，同时将多车的协同性和多种感知数据的互补性进行考虑的多源异构场景下的感知融合策略还是少数。因此本文提出了一种结合了传感器融合的互补性、特征融合表示的泛化性和目标融合的低带宽特性的混合感知融合策略，该策略基于深度学习中的知识蒸馏技术，其中单一视角感知数据输入的学生模型，在全局视角感知数据输入的教师模型的监督协作下，达到和教师模型类似的性能，从而有效的扩大了感知覆盖范围。同时通过自注意力机制将图像数据和点云数据进行多尺度特征融合，使得多类型感知数据以特征形式进行互补，提升了感知精准度。为了符合自动驾驶系统的实时性要求，本文兼顾最大感知覆盖率和最低系统时延，提出了一种基于感知能力的任务卸载策略，并通过改进的两阶段粒子群算法进行求解。之后将异构感知融合策略和任务卸载策略通过系统的框架进行协同优化，使得异构感知融合策略可以通过任务卸载策略降低计算时延、任务卸载策略通过感知融合策略优先选择感知能力强的感知车辆进行感知，使得整个框架在多源异构场景下实现了低时延、高覆盖率的感知性能。 本文通过搭建CARLA、SUMO和NS3的联合系统仿真平台，结合5G车联网通信模型设计了相关求解算法和仿真场景，对异构感知融合与任务卸载协同优化的多源异构框架进行了仿真验证。仿真结果表明，该框架具有良好的鲁棒性和并行性，能够在降低系统时延的同时，扩大感知覆盖范围。 |
| 作者： | 吴耘野 |
| 专业： | 信息与通信工程 |
| 导师： | 冷甦鹏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
