随着深度学习和计算设备的不断发展,复杂模型能够实时运行在并行计算设备中,使得人工智能技术从理论研究走向了实际应用。场景理解是计算机视觉技术中主要领域之一,其通过捕获数据间的上下文关系,实现对客观世界的认知。随着汽车智能化的不断推进,自动驾驶汽车成为研究热点之一。在自动驾驶技术中,道路场景理解能够分解道路交通中的要素,是使汽车能够路径规划与决策的先决条件之一。针对于不同的交通要素,结构化的分解适应不同的检测方式是必要的。本文将场景理解算法分解为目标检测与语义分割两种算法,针对不同的交通要素通过定位识别与像素级别分类,来判断空间位置和语义关系。自动驾驶场景中,视觉系统的实时性、灵敏度、快速解读能力、精准性是自动驾驶系统保障,如何平衡速度与精度,将算法合理应用于边缘计算设备中,对实际落地有着重大的实际意义。本文针对道路场景中语义问题,通过结构化分解交通要素,利用目标检测与语义分割算法,旨在通过细腻度较高的识别,达到更精细化的理解道路间的空间位置分布关系及其语义信息。主要研究成果如下:1.从全局特征来捕获上下文关系是提升语义分割精准度的关键之一,本文利用空间空洞卷积和残差思想提出了一种感受野模块,旨在通过全面的感受野覆盖,分析图像间的语义关系,结合UNet语义分割网络的密集跳层连接方式,能够实现61FPS的推理速度。2.针对目标检测的定位与识别能力,提出一种结合深度可分离卷积、空间金字塔空洞卷积、密集跳层的目标检测网络,其在四维图新自动驾驶数据集上,输入图像为608×608分辨率下,能实现44%mAP和12.5FPS,优于YOLOv3和Cascade R-CNN,证明其在速度和准确度能够很好地适应边缘计算性能。3.针对语义分割的鲁棒性,本文提出一种基于形态学和最大连通域的后处理算法,旨在消除分割结果中错误区域、空洞、毛刺等情况,通过实验证明其能够对语义分割结果有小幅度的提升,能够有效增加语义分割的稳定性。4.为了提升道路场景理解算法在边缘计算中的推理能力,通过模型量化,将网络部署于NVIDIA Jetson Xavier NX嵌入式平台中,使得目标检测网络推理速度为6FPS,语义分割网络推理速度12FPS。综上所述,本文结合图像处理、目标检测、语义分割,利用不同层次场景理解的结合,通过深度学习的方式,使得图像抽象出特征表达出更丰富交通信息。通过对交通场景理解进行了深入研究,从理论推导到模型设计,从算法验证到模型部署,具有一定理论意义和实用价值。