随着社会的发展,城市交通环境日益复杂,改善城市交通环境成为重点研究方向。在科学技术水平快速进步的今天,自动驾驶和智慧交通领域的进步正助力社会交通环境优化提升。近几年发展火热的自动驾驶由于受单车智能对环境感知范围的限制导致发展停滞,国内自动驾驶领先企业百度创始人李彦宏认为“单车智能+车路协同”模式是未来自动驾驶和智慧交通发展的必由之路。保障道路交通安全是自动驾驶汽车的首要任务,就目前发展情况来看,由于汽车在道路上是高速行驶状态,因此要求环境感知传感器能够在短时间内完成感知任务,车载激光雷达和相机已基本满足环境感知需求,但车载传感器感知范围有限,且有一定的感知盲区,因此本文通过研究智能交通路侧感知系统可为自动驾驶车辆提供道路环境感知辅助,扩大其对环境信息的视野范围,增强自动驾驶汽车行驶的安全稳定性,同时也为智慧交通系统提供更具体的道路信息支撑。本文首先介绍了智能交通路测感知系统的系统结构设计,说明了所选用满足感知需求的传感器具体参数信息及系统数据处理单元边缘计算平台的具体配置。后续围绕系统需求对传感器进行同步数据采集并对数据进行处理,通过相关算法改进系统感知效果,具体研究内容如下:智能交通路测感知系统中涉及到传感器融合感知,本文就激光雷达和工业相机传感器对道路环境进行感知融合处理,首先是在数据采集前对两者的空间和时间上进行同步转换。空间上,设定传感器对应的坐标系并通过激光雷达和相机联合标定获取相应的旋转矩阵和平移矩阵,后续系统运行前通过旋转矩阵和平移矩阵将激光雷达点云坐标转换到图像坐标上。时间上,通过北斗+GPS模块为系统内硬件和传感器进行授时,保障了时钟源同步,在处理数据时由于两个传感器采样频率不同,本文以激光雷达为基准时间戳对齐时间进行数据抽取,时间和空间同步时为了便于后续对两个传感器感知结果的融合。感知结果融合前对工业相机采集图片进行目标检测和识别,本文通过YOLOV3算法对图像信息进行处理,并将检测到的目标信息进行分类,并输出检测边界框,边界框带有分类信息和置信度参数;对激光雷达点云数据使用Pointpillar点云处理网络进行处理,该处理网络较其他处理方法大幅提升了点云处理速度,经过内部特征提取和检测器处理输出检测边界框。在融合层面,本文提出基于NMS及D-S证据理论算法的结果级融合改进方法,对激光雷达和相机独立运行检测并输出结果后再进行融合,提升了运行效率和稳定性。系统硬件和软件搭建完成后在道路进行功能测试,感知测试结果与人工复核结果对比,分析测试结果并对后续改进提出展望。