近年來,基于三維成像激光雷達(dá)的目標(biāo)檢測(cè)與跟蹤已經(jīng)成為了計(jì)算機(jī)視覺領(lǐng)域的重要課題。相比于傳統(tǒng)的二維成像傳感器,三維成像激光雷達(dá)具有能有效獲取目標(biāo)的三維幾何信息、受外界光照變化和成像距離影響小等優(yōu)點(diǎn)。因此,激光雷達(dá)已廣泛應(yīng)用于無人駕駛技術(shù)、軍事領(lǐng)域以及服務(wù)機(jī)器人等領(lǐng)域。但是三維成像激光雷達(dá)仍存在一些問題:由于激光雷達(dá)的空間高分辨率和三維成像能力,使得同樣的視場(chǎng)和距離范圍內(nèi),三維點(diǎn)云數(shù)據(jù)量遠(yuǎn)遠(yuǎn)多于傳統(tǒng)的成像傳感器。測(cè)量維度的增加和分辨率的提高帶來了探測(cè)性能提高的可能性,但真正地提高性能需要更智能、更穩(wěn)健的信息處理算法。此外,目標(biāo)通常被置于一定的背景環(huán)境中,與背景融為一體,在激光雷達(dá)探測(cè)過程中,由于視角、背景等原因目標(biāo)被遮擋,在距離像中可能難以被檢測(cè)和分割出來。但在真實(shí)場(chǎng)景中,目標(biāo)與背景在不同的高度上是分離的,可以通過場(chǎng)景的高程來進(jìn)行分割,理論上可以有效地進(jìn)行分類。據(jù)此,本文主要依據(jù)地面車輛的三維點(diǎn)云數(shù)據(jù)的特點(diǎn),對(duì)車輛目標(biāo)檢測(cè)與跟蹤進(jìn)行研究分析。本文的研究工作主要分為以下三個(gè)部分:1.基于快速檢測(cè)和AdaBoost學(xué)習(xí)算法剔除虛警的車輛檢測(cè)。首先,利用局部高程特征作為一種強(qiáng)特征對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行快... 

【文章來源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 無人駕駛技術(shù)研究現(xiàn)狀
        1.2.2 課題研究現(xiàn)狀
    1.3 論文主要工作
第2章 車輛檢測(cè)和跟蹤的相關(guān)知識(shí)
    2.1 三維點(diǎn)云數(shù)據(jù)的壓縮
    2.2 AdaBoost分類器
        2.2.1 集成學(xué)習(xí)Boosting算法
        2.2.2 AdaBoost算法
    2.3 2D Harr-like特征
        2.3.1 積分圖思想
    2.4 算法性能評(píng)估指標(biāo)
第3章 基于快速檢測(cè)和AdaBoost的車輛檢測(cè)
    3.1 快速高程濾波
        3.1.1 局部區(qū)域曲面擬合
        3.1.2 感興趣區(qū)域（ROI）的聚類分析
    3.2 AdaBoost學(xué)習(xí)算法目標(biāo)檢測(cè)
        3.2.1 3D Harr-like特征值
        3.2.2 訓(xùn)練AdaBoost分類器
    3.3 車輛檢測(cè)實(shí)驗(yàn)結(jié)果分析
        3.3.1 仿真數(shù)據(jù)測(cè)試車輛檢測(cè)試驗(yàn)結(jié)果
        3.3.2 KITTI公共數(shù)據(jù)集車輛檢測(cè)試驗(yàn)結(jié)果
        3.3.3 車輛檢測(cè)結(jié)果總結(jié)分析
    3.4 本章小結(jié)
第4章 基于卡爾曼濾波和Mean shift的三維點(diǎn)云目標(biāo)跟蹤算法
    4.1 Mean shift算法
        4.1.1 多維空間下的非參數(shù)密度估計(jì)
        4.1.2 Mean shift算法的原理
        4.1.3 Mean shift跟蹤算法
    4.2 跟蹤算法的優(yōu)化
        4.2.1 卡爾曼濾波
        4.2.2 目標(biāo)的重檢測(cè)
    4.3 基于卡爾曼濾波和Mean shift的三維點(diǎn)云目標(biāo)跟蹤算法
        4.3.1 目標(biāo)特征的選擇
        4.3.2 相似性度量
        4.3.3 卡爾曼濾波器目標(biāo)跟蹤算法
    4.4 三維點(diǎn)云目標(biāo)跟蹤實(shí)驗(yàn)結(jié)果分析
        4.4.1 目標(biāo)跟蹤實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄 A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文
致謝



本文編號(hào)：3029015