中文摘要：

道路场景理解RSU利用感知数据进行视觉计算，使车辆具有类似人类的环境认知能力，是智能车辆IV实现自主驾驶的关键，也是国内外学者积极探索的挑战性课题。针对目前研究仅对场景进行对等语义标记、海量数据与计算资源存在矛盾等问题，本课题提出将选择性视觉注意机制VAM有效融入RSU问题求解框架。由紧急度和重要度构建感知优先级任务池，将场景分为危险、正常及辅助性信息，建立目标知识库，为视觉关注及注意力转移提供明确任务。结合自顶向下与自下而上信息，利用VAM聚焦优势及其在解决视觉处理瓶颈效应的独特作用，考虑视频流特点，对"新出现事件"与"时空延续事件"用任务驱动VA及PF概率估计进行并行分析，用证据积累进行预警与确认。达到对场景实施不同关注等级的分析，重要信息优先处理与及时理解，进而给执行机构提供充裕的响应时间，为解决RSU快速、可靠、自适应等问题提供途径，并为任务驱动VA理论及IV研究提供原创性成果。