地下停车场可靠安全占据网格预测研究

在科技进步的推动下，自动驾驶技术已成为学术界广受关注的焦点。然而，在复杂场景中确保该技术的安全可靠性仍是一个挑战。虽然大量自动驾驶研究致力于开放环境（如城市道路和高速公路）的测试，其中所涉及的变量得到了详尽考察，但封闭式室内空间（如地下停车场）在学术讨论中却被大体忽略。这一差异凸显了这些封闭环境对自动导航系统所面临的独特挑战。本研究聚焦于室内自动驾驶，尤其是地下停车场等被忽视的空间。采用 CARLA 模拟平台，构建逼真的停车模型进行数据采集。随后，利用占据网格网络处理该数据，以预测车辆路径和障碍物，增强系统在复杂室内环境中的感知能力。最终，该策略提高了自动泊车操作的安全性。该论文详尽评估了模型的预测能力，验证了其在地下停车场情境下的有效性。我们的发现表明，提出的策略成功提升了自动驾驶系统在这些复杂室内环境中的性能，为自动化系统提供了更好的适应能力，强化了安全措施和可靠性。这项工作为未来发展和应用提供了基础，弥补了关于室内停车环境的研究空白，成为该领域的关键参考文献。