2025年汽车行业研究院工程师技术攻关手册.docxVIP

2025年汽车行业研究院工程师技术攻关手册

第1章智能网联自动驾驶技术攻关

1.1多模态感知融合算法优化

针对光照突变与雨雾天气下的物体检测率下降问题，引入改进的YOLOv8算法，通过引入注意力机制模块（AttentionModule）重构特征提取层，显著提升了低光照场景下的语义分割精度，在夜间测试中将平均IoU从0.45提升至0.62，有效解决了传统算法在夜间对行人和骑行者的漏检问题。为了解决多传感器数据（雷达、激光雷达、摄像头）在几何畸变不一致导致的融合误差，设计基于非刚性配准（Non-rigidRegistration）的时空对齐框架，利用深度学习模型学习传感器间的非线性变换关系，使融合后的点云几何误差控制在5cm以内，确保在高速移动场景下目标位置估计的稳定性和准确性。

针对弱信号环境下雷达测速不准的痛点，研发基于卡尔曼滤波与卡尔曼滤波扩展（EKF）的动态卡尔曼状态估计器，在融合视觉里程计与雷达数据时，利用卡尔曼增益自适应调整权重，使车辆轨迹预测的均方根误差（RMSE）降低至0.8米，大幅提升了短距离跟车控制的平滑度。为解决复杂道路环境下对车道线识别模糊导致的定位漂移问题，构建基于深度微弱纹理检测（DWT）的自适应车道线识别模块，结合车辆运动学状态估计，实现车道线检测置信度阈值动态调整，使车辆在极限工况下的车道保持误差控制在2米以