Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Наука, технологии, общество: Экологический инжиниринг в интересах устойчивого развития территорий (НТО-VI-2025); Красноярск; Красноярск
Год издания: 2025
Ключевые слова: autonomous driving, lidar, video stream, road information recognition, trajectory prediction, and planning, автономное вождение, лидар, видеопоток, распознавание дорожной информации, предсказание траекторий, планирование
Аннотация: В статье представлен обзор современных подходов к созданию программных систем, выполняющих распознавание дорожной информации на основе видеопотоков и данных лидаров, а также построению траекторий движения беспилотных транспортных средств (БТС). Проанализированы ключевые направления исследований: методы детекции и сегментации с испоПоказать полностьюльзованием сверточных нейронных сетей, обработка облаков точек лидаров (PointNet, PointPillars), мультимодальная сенсорная фьюжн, алгоритмы локализации и картографирования (SLAM, LOAM), модели предсказания траекторий на основе RNN/Transformer и методы планирования/отслеживания траектории (MPC, RRT*, Frenet-планы). Проведено сопоставление достоинств и ограничений подходов в контексте устойчивости в неблагоприятных условиях, вычислительной эффективности и применимости в российских условиях. На основании критического анализа сформулированы основные пробелы: недостаточная робастность при сложной погоде, проблемы синхронизации и калибровки мультисенсорных систем, ограниченность локальных датасетов и необходимость интеграции вероятностных предсказаний в планировщик. Предложены направления дальнейших исследований по разработке энергоэффективной мультисенсорной архитектуры и гибридных методов планирования. (Ключевые слова: автономное вождение, лидар, видеопоток, распознавание объектов, предсказание траекторий, MPC). The article provides an overview of modern approaches to creating software systems that perform road information recognition based on video streams and lidar data, as well as building trajectories for unmanned vehicles (UVs). The key research areas have been analyzed: detection and segmentation methods using convolutional neural networks, processing of lidar point clouds (PointNet, PointPillars), multimodal sensor fusion, localization and mapping algorithms (SLAM, LOAM), RNN/Transformer-based trajectory prediction models, and trajectory planning/tracking methods (MPC, RRT*, Frenet plans). The advantages and limitations of the approaches have been compared in terms of their sustainability in adverse conditions, computational efficiency, and applicability in Russian conditions. Based on a critical analysis, the main gaps have been identified: insufficient robustness in challenging weather conditions, synchronization and calibration issues for multi-sensor systems.
Журнал: Наука, технологии, общество: Экологический инжиниринг в интересах устойчивого развития территорий (НТО-VI-2025)
Номера страниц: 142-148
Место издания: Красноярск