針對(duì)城市交叉口環(huán)境下交通基礎(chǔ)設(shè)施無(wú)法精確檢測(cè)道路使用者的問題,提出了一種基于視點(diǎn)特征直方圖與支持向量機(jī)（VFH-SVM）的點(diǎn)云特征提取與分類方法。根據(jù)交叉口復(fù)雜環(huán)境下目標(biāo)物的感知需求,對(duì)路側(cè)三維激光雷達(dá)獲取的點(diǎn)云信息采用直通數(shù)據(jù)濾波預(yù)處理;利用條件歐氏聚類算法對(duì)場(chǎng)景點(diǎn)云數(shù)據(jù)進(jìn)行分割;基于視點(diǎn)特征直方圖對(duì)分割后不同目標(biāo)物的三維點(diǎn)云特征進(jìn)行提取;建立了不同交通參與者及設(shè)施的視點(diǎn)特征直方圖（VFH）特征數(shù)據(jù)集;采用線性核函數(shù)的支持向量機(jī)（SVM）算法對(duì)交通場(chǎng)景內(nèi)的點(diǎn)云數(shù)據(jù)進(jìn)行分類識(shí)別實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明:所提方法對(duì)城市交叉口環(huán)境下典型目標(biāo)物體的分類識(shí)別準(zhǔn)確率均大于90%以上。 

【文章來源】：傳感器與微系統(tǒng). 2020,39(12)

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

路側(cè)激光雷達(dá)城市交叉口安裝示意

VFH是由一個(gè)描述表面形狀的擴(kuò)展快速點(diǎn)特征直方圖(fast point feature histogram,FPFH)分量和視點(diǎn)方向與法線之間分量構(gòu)成，分別如圖2所示，是用來表示目標(biāo)物全局特征的特征描述子。VFH由兩部分組成，一方面，對(duì)FPFH所產(chǎn)生的3個(gè)角度分量與1個(gè)距離分量分別進(jìn)行45個(gè)單位區(qū)間統(tǒng)計(jì)，共形成180個(gè)組合區(qū)間;另一方面，對(duì)視點(diǎn)分量直方圖進(jìn)行128個(gè)單位區(qū)間統(tǒng)計(jì)，將FPFH和視點(diǎn)分量直方圖進(jìn)行組合，就產(chǎn)生了308個(gè)組合區(qū)間。因此，對(duì)于任何一個(gè)待識(shí)別目標(biāo)物的特征都可由308維向量進(jìn)行描述。

利用視點(diǎn)特征直方圖VFH對(duì)分割后的單物體點(diǎn)云進(jìn)行計(jì)算，在橫坐標(biāo)區(qū)間為[1,135]的曲線對(duì)應(yīng)擴(kuò)展FPFH分量，其中，橫坐標(biāo)區(qū)間[1,45],[46,90],[91,135]上的曲線分別對(duì)應(yīng)圖2(a)上法線ns和nt的偏差角α，φ，θ。橫坐標(biāo)區(qū)間為[136,308]的曲線對(duì)應(yīng)視點(diǎn)方向分量直方圖。對(duì)不同物體提取結(jié)果如圖3所示。如圖3(a)所示，4條VFH特征曲線分別對(duì)應(yīng)4個(gè)不同姿態(tài)行人的三維點(diǎn)云圖像，在橫坐標(biāo)區(qū)間為[1,135]的4條曲線的FPFH分量非常相似，而在橫坐標(biāo)區(qū)間為[136,308]視點(diǎn)方向分量存在較大差異，由VFH特征曲線可以判定該4個(gè)點(diǎn)云具有相似特征，且同屬于行人并具有不同姿態(tài)。

【參考文獻(xiàn)】：
期刊論文
[1]基于路側(cè)三維激光雷達(dá)的車輛目標(biāo)分類算法[J]. 楊思遠(yuǎn),鄭建穎.  傳感器與微系統(tǒng). 2020(07)
[2]基于支持向量機(jī)與Adaboost的入侵檢測(cè)系統(tǒng)[J]. 池亞平,凌志婷,王志強(qiáng),楊建喜.  計(jì)算機(jī)工程. 2019(10)
[3]利用遷移學(xué)習(xí)的機(jī)載激光雷達(dá)點(diǎn)云分類[J]. 趙傳,張保明,余東行,郭海濤,盧俊.  光學(xué)精密工程. 2019(07)
[4]海量激光點(diǎn)云數(shù)據(jù)的關(guān)鍵特征準(zhǔn)確定位輸出方法[J]. 孫秀娟.  激光雜志. 2019(04)
[5]一種基于路緣特征的點(diǎn)云道路邊界提取方法[J]. 馬新江,劉如飛,蔡永寧,王鵬.  遙感信息. 2019(02)
[6]基于深度學(xué)習(xí)的道路標(biāo)線自動(dòng)提取與分類方法[J]. 黃剛,劉先林.  中國(guó)激光. 2019(08)
[7]基于點(diǎn)云數(shù)據(jù)的三維目標(biāo)識(shí)別和模型分割方法[J]. 牛辰庚,劉玉杰,李宗民,李華.  圖學(xué)學(xué)報(bào). 2019(02)
[8]基于激光雷達(dá)的內(nèi)河無(wú)人船障礙物識(shí)別方法[J]. 王貴槐,謝朔,柳晨光,初秀民,李梓龍.  光學(xué)技術(shù). 2018(05)
[9]鐵路場(chǎng)景三維點(diǎn)云分割與分類識(shí)別算法[J]. 郭保青,余祖俊,張楠,朱力強(qiáng),高晨光.  儀器儀表學(xué)報(bào). 2017(09)
[10]基于三維激光雷達(dá)的智能車輛目標(biāo)參數(shù)辨識(shí)[J]. 王肖,李克強(qiáng),王建強(qiáng),徐友春.  汽車工程. 2016(09)



本文編號(hào)：3055633