伴随着智能化技术的发展与市场应用的增多,无人驾驶车辆也逐渐出现在我们的生活场景中,环境感知技术作为无人驾驶汽车的关键技术之一,直接或间接影响了汽车的智能化水平,是无人驾驶领域的一个研究热点。完备且准确的环境感知信息是无人驾驶车辆安全和平稳运行的数据基础,其重要性不可忽视。无人车环境感知功能的实现包括两个部分:环境信息的采集以及感知识别,其中车辆环境感知功能的实现以传感器对车辆周围环境信息的采集为基础,所采集数据的准确性与完整性直接影响到后续感知识别的准确性,而单传感器进行数据采集时往往存在环境鲁棒性低、稳定性差、检测盲区明显等缺点,这严重影响了无人驾驶车辆的行驶安全性。本文基于城市乘用车的感知需求,研究一种基于多源传感器融合的无人车环境感知算法,旨在有效提高无人车环境感知的准确度以及实时性,力求避免由于感知错误或不全面带来的安全隐患。本文所研究的无人车环境感知算法包括多源传感器融合策略以及环境感知算法研究两部分,具体研究内容如下:1.多源传感器信息融合能够有效弥补单传感器存在的检测盲区、易受周边行驶环境影响等问题,从而给后续的无人车环境感知提供可靠的、完整的驾驶环境信息,是整个无人驾驶系统的数据基石以及安全保障。所以在本文以多传感器融合为基础,进一步研究适用于无人驾驶车辆的环境感知算法。2.由于无人驾驶车辆对于算法处理的实时性有着很高的要求,而现有语义分割算法计算复杂度高、网络推论速度低,针对此类任务,本文中环境感知算法研究侧重于改进已有感知算法存在的“精度与实时性的矛盾”问题,旨在找到感知精度与实时性的最佳平衡点,除此之外,本文以多传感器数据作为输入,在获取驾驶环境语义类别的同时得到障碍物的运动信息,使得感知算法能够真正地走向应用的道路。论文基于计算复杂度公式分析研究了现有分割算法,并在此基础上提出了基于注意力机制的高实时性语义分割模型,该模型可以对Cityscapes数据集这种高分辨率图像进行实时性语义分割。3.最后,本文基于两个大型语义分割数据集进行了实验验证,本文所提出的网络在Cityscapes数据集上达到了实时性的要求,并且取得了领先的精度,例如71 FPS/79.9%m Io U、130 FPS/78.5%m Io U和180 FPS/70.1%m Io U。此外本文所提出的网络在ADE20K上的性能也处于领先地位。