В данной работе освещается вопрос обнаружения препятствий в беспилотном транспорте. Акцент сделан на использовании алгоритмов стереозрения. Будут описаны достоинства и недостатки данных подходов. Для компенсирования недостатков предлагается использовать ряд подходов, изменяющий архитектуру блока обнаружения препятствий, и включающий в себя применение методов классического и глубокого машинного обучения, с целью повышения робастности системы и частоты получения данных.

This paper describes the issue of detecting obstacles in self-driving vehicles. Emphasis is placed on the use of stereo vision algorithms. The advantages and disadvantages of these approaches will be described. To compensate for the disadvantages, it is proposed to use some approaches that change the architecture of the obstacle detection unit and include the use of classical and deep machine learning methods in order to increase the robustness of the system and the frequency of data acquisition.