發(fā)布時間：2021-10-14 10:08

　　無人駕駛技術(shù)是當今前沿科技的研究熱點,它對社會和經(jīng)濟發(fā)展具有重大影響力。該技術(shù)涉及車載導(dǎo)航、車載通信、主動避障和自主巡航等多個問題,其中障礙物檢測是核心問題。障礙物檢測主要有雙目視覺障礙物檢測技術(shù),包括雙目圖像獲取、立體匹配和障礙物檢測三個部分。本文圍繞立體匹配和障礙物檢測兩個部分展開研究,分析討論相應(yīng)的技術(shù)方法。論文的主要研究工作包括以下三個方面:（1）針對無人駕駛場景,研究卷積神經(jīng)網(wǎng)絡(luò)立體匹配技術(shù)。在分析卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及相關(guān)立體匹配技術(shù)的基礎(chǔ)上,改進網(wǎng)絡(luò)結(jié)構(gòu),設(shè)計非對稱核心-孿生卷積神經(jīng)網(wǎng)絡(luò)（Asymmetric Kernel-Siamese Convolutional Neural Network,AK-SCNN）,計算匹配代價,最終實現(xiàn)視差計算。通過實驗分析,完成最佳網(wǎng)絡(luò)結(jié)構(gòu)等超參數(shù)的選擇;與傳統(tǒng)局部匹配算法相比,誤匹配率更低。（2）研究V視差圖障礙物檢測方法。首先,研究V視差原理和V視差圖中的面投影特征。然后,在分析傳統(tǒng)V視差法基礎(chǔ)上,依據(jù)極大最小值約束和距離約束,提出路面斜線自適應(yīng)閾值提取算法,改進V視差法。實驗結(jié)果表明,改進的方法能夠有效檢測出障礙物區(qū)域,相對傳統(tǒng)方法提... 

【文章來源】：江蘇科技大學(xué)江蘇省

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【部分圖文】：

不同道路環(huán)境

該方法避免了道路平面假設(shè)，在復(fù)雜路面環(huán)境中能夠有效地尋找出障礙物像素點。但該算法計算量大，實時性差且對噪聲十分敏感。對此，Sanata 提出了改進方法[37]，使用支持度濾波算法和空間多分辨率(Space Variant Resolution, SVR)算法，降低計算復(fù)雜度，消除對噪聲的敏感性。2010 年，F(xiàn). Oniga[38]將測繪學(xué)中的數(shù)字高程圖(Digital Elevation Map, DEM)引到障礙物檢測算法中，將獲得的道路場景三維點云投射在水平面上，得到場景的數(shù)字高程圖，將三維點的高度檢測轉(zhuǎn)化為二維平面的亮度檢測，降低了三維搜索的復(fù)雜性，在 DEM 中采用 RANSAC 算法擬合出路平面，實現(xiàn)障礙物檢測。2014 年，R. Danescu 等人[39]對基于 DEM 的障礙物檢測算法進行改進，應(yīng)用粒子濾波策略實現(xiàn) DEM 追蹤，稱之為動態(tài) DEM，進一步的提高檢測速度。1.4 論文主要研究內(nèi)容與章節(jié)安排雙目視覺障礙物檢測技術(shù)，包含雙目圖像獲取、立體匹配和障礙物檢測三個部分，如圖 1.2 所示。本文研究立體匹配和障礙物檢測兩個部分。

第 2 章 雙目視覺及立體匹配原理覺障礙物檢測方法的流程為雙目相機采集圖像，通過立體后通過障礙檢測方法分離出障礙物區(qū)域和可通行區(qū)域匹配技術(shù)有關(guān)。本章將詳細介紹雙目視覺原理和相應(yīng)的立覺原理原理覺技術(shù)是模擬人眼成像的仿生技術(shù)，能夠像人眼一樣恢復(fù)算機視覺中重要組成部分。雙目視覺技術(shù)的實現(xiàn)是先通取場景的兩幅圖像信息，利用雙目成像原理和幾何關(guān)系獲。

【參考文獻】：
期刊論文
[1]一種散亂點云的均勻精簡算法[J]. 李仁忠,楊曼,劉陽陽,張緩緩.  光學(xué)學(xué)報. 2017(07)
[2]無人駕駛汽車研究綜述與發(fā)展展望[J]. 潘福全,亓榮杰,張璇,張麗霞.  科技創(chuàng)新與應(yīng)用. 2017(02)
[3]昆蟲視覺啟發(fā)的光流復(fù)合導(dǎo)航方法[J]. 潘超,劉建國,李峻林.  自動化學(xué)報. 2015(06)
[4]基于視差空間V-截距的障礙物檢測[J]. 曹騰,項志宇,劉濟林.  浙江大學(xué)學(xué)報(工學(xué)版). 2015(03)
[5]雙目立體視覺匹配技術(shù)綜述[J]. 曹之樂,嚴中紅,王洪.  重慶理工大學(xué)學(xué)報(自然科學(xué)). 2015(02)
[6]自主導(dǎo)航農(nóng)業(yè)車輛的全景視覺多運動目標識別跟蹤[J]. 李盛輝,田光兆,姬長英,周俊,顧寶興,王海青.  農(nóng)業(yè)機械學(xué)報. 2015(01)
[7]基于改進梯度和自適應(yīng)窗口的立體匹配算法[J]. 祝世平,李政.  光學(xué)學(xué)報. 2015(01)
[8]智能汽車技術(shù)發(fā)展趨勢[J]. 陳慧,徐建波.  中國集成電路. 2014(11)
[9]基于圖像分割的立體匹配算法[J]. 顏軻,萬國偉,李思昆.  計算機應(yīng)用. 2011(01)
[10]基于八叉樹編碼的點云數(shù)據(jù)精簡方法[J]. 邵正偉,席平.  工程圖學(xué)學(xué)報. 2010(04)

博士論文
[1]城市環(huán)境下無人駕駛智能車感知系統(tǒng)若干關(guān)鍵技術(shù)研究[D]. 陳龍.武漢大學(xué) 2013
[2]雙目立體視覺深度感知與三維重建若干問題研究[D]. 羅桂娥.中南大學(xué) 2012

碩士論文
[1]基于立體視覺的障礙物檢測研究[D]. 馬超.中南大學(xué) 2014
[2]無人駕駛智能車的導(dǎo)航系統(tǒng)研究[D]. 王培.西安工業(yè)大學(xué) 2012



本文編號：3435953