基于多傳感器融合的智能車道路障礙物檢測
發(fā)布時間:2023-02-27 20:06
近年來,無人駕駛技術(shù)已成為國內(nèi)外科技公司與汽車行業(yè)重點研發(fā)的對象,其核心技術(shù)包括環(huán)境感知、精確定位、路徑規(guī)劃、決策控制,涉及傳感器、自動控制、通信等技術(shù)。道路障礙物檢測與分類是無人自主車環(huán)境感知的關(guān)鍵組成部分,對無人自主車的安全行駛起到至關(guān)重要的作用。但復(fù)雜的道路環(huán)境,尤其是混合交通環(huán)境,給無人自主車的環(huán)境感知造成了極大的困難。使用單一傳感器的感知方案感知精度低、魯棒性差的缺點使其難以滿足無人駕駛對環(huán)境感知的需求,而現(xiàn)有的多傳感器融合方案又難以平衡檢測精度與實時性,難以投入工程使用。本文利用智能駕駛車輛平臺,設(shè)計了激光雷達與攝像頭融合的環(huán)境感知算法,兼顧了檢測精度與實時性,為智能駕駛車輛在無人駕駛工況下提供可靠的道路目標(biāo)信息,保障行車安全。主要研究內(nèi)容如下:(1)多傳感器聯(lián)合標(biāo)定。通過對攝像頭標(biāo)定,獲得其內(nèi)參矩陣;通過解算多組配對的點云和圖像像素之間的對應(yīng)關(guān)系,獲得激光雷達坐標(biāo)系和攝像頭坐標(biāo)系之間的旋轉(zhuǎn)矩陣和平移矩陣,實現(xiàn)兩者外參的標(biāo)定,即空間同步。并以激光雷達時間戳為基準(zhǔn),實現(xiàn)時間同步。點云至圖像的投影效果顯示,取得了較好的標(biāo)定效果。(2)融合算法設(shè)計。針對現(xiàn)有激光雷達與攝像頭融合的...
【文章頁數(shù)】:94 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景與意義
1.2 智能駕駛車輛研究現(xiàn)狀
1.3 智能駕駛環(huán)境感知研究現(xiàn)狀
1.3.1 基于激光雷達的道路障礙物檢測研究現(xiàn)狀
1.3.2 基于圖像的道路障礙物檢測研究現(xiàn)狀
1.3.3 基于多傳感器融合的道路障礙物檢測研究現(xiàn)狀
1.4 論文研究內(nèi)容
第二章 傳感器標(biāo)定
2.1 傳感器介紹
2.1.1 駕駛平臺介紹
2.1.2 攝像頭介紹
2.1.3 激光雷達介紹
2.2 空間同步
2.2.1 坐標(biāo)系的選取
2.2.2 攝像頭內(nèi)參標(biāo)定
2.2.3 激光雷達與攝像頭聯(lián)合標(biāo)定
2.3 時間同步
2.4 標(biāo)定試驗
2.5 本章小結(jié)
第三章 基于激光雷達的感興趣區(qū)域(ROI)提取
3.1 點云處理算法
3.1.1 點云濾波
3.1.2 地面點剔除
3.1.3 點云聚類
3.2 感興趣區(qū)域提取
3.2.1 柵格地圖投影到圖像
3.2.2 ROI放大與合并
3.3 本章小結(jié)
第四章 基于激光雷達ROI與視覺的障礙物檢測
4.1 神經(jīng)網(wǎng)絡(luò)簡介
4.2 YOLO介紹
4.3 模型優(yōu)化
4.3.1 GIoU
4.3.2 Soft-NMS
4.3.3 模型剪枝
4.4 試驗結(jié)果
4.4.1 數(shù)據(jù)集構(gòu)建
4.4.2 基礎(chǔ)網(wǎng)絡(luò)訓(xùn)練
4.4.3 稀疏訓(xùn)練
4.4.4 剪枝
4.4.5 檢測結(jié)果對比
4.5 本章小結(jié)
第五章 點云分類與檢測結(jié)果軟加權(quán)
5.1 點云分類簡介
5.2 基于IOU的圖像點云目標(biāo)匹配
5.3 點云分類神經(jīng)網(wǎng)絡(luò)設(shè)計
5.4 軟加權(quán)平均
5.5 試驗結(jié)果
5.5.1 數(shù)據(jù)集構(gòu)建
5.5.2 基礎(chǔ)網(wǎng)絡(luò)訓(xùn)練
5.5.3 軟加權(quán)平均結(jié)果
5.5.4 實車試驗
5.6 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻
攻讀碩士學(xué)位期間發(fā)表的論文及參加科研情況
本文編號:3751360
【文章頁數(shù)】:94 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景與意義
1.2 智能駕駛車輛研究現(xiàn)狀
1.3 智能駕駛環(huán)境感知研究現(xiàn)狀
1.3.1 基于激光雷達的道路障礙物檢測研究現(xiàn)狀
1.3.2 基于圖像的道路障礙物檢測研究現(xiàn)狀
1.3.3 基于多傳感器融合的道路障礙物檢測研究現(xiàn)狀
1.4 論文研究內(nèi)容
第二章 傳感器標(biāo)定
2.1 傳感器介紹
2.1.1 駕駛平臺介紹
2.1.2 攝像頭介紹
2.1.3 激光雷達介紹
2.2 空間同步
2.2.1 坐標(biāo)系的選取
2.2.2 攝像頭內(nèi)參標(biāo)定
2.2.3 激光雷達與攝像頭聯(lián)合標(biāo)定
2.3 時間同步
2.4 標(biāo)定試驗
2.5 本章小結(jié)
第三章 基于激光雷達的感興趣區(qū)域(ROI)提取
3.1 點云處理算法
3.1.1 點云濾波
3.1.2 地面點剔除
3.1.3 點云聚類
3.2 感興趣區(qū)域提取
3.2.1 柵格地圖投影到圖像
3.2.2 ROI放大與合并
3.3 本章小結(jié)
第四章 基于激光雷達ROI與視覺的障礙物檢測
4.1 神經(jīng)網(wǎng)絡(luò)簡介
4.2 YOLO介紹
4.3 模型優(yōu)化
4.3.1 GIoU
4.3.2 Soft-NMS
4.3.3 模型剪枝
4.4 試驗結(jié)果
4.4.1 數(shù)據(jù)集構(gòu)建
4.4.2 基礎(chǔ)網(wǎng)絡(luò)訓(xùn)練
4.4.3 稀疏訓(xùn)練
4.4.4 剪枝
4.4.5 檢測結(jié)果對比
4.5 本章小結(jié)
第五章 點云分類與檢測結(jié)果軟加權(quán)
5.1 點云分類簡介
5.2 基于IOU的圖像點云目標(biāo)匹配
5.3 點云分類神經(jīng)網(wǎng)絡(luò)設(shè)計
5.4 軟加權(quán)平均
5.5 試驗結(jié)果
5.5.1 數(shù)據(jù)集構(gòu)建
5.5.2 基礎(chǔ)網(wǎng)絡(luò)訓(xùn)練
5.5.3 軟加權(quán)平均結(jié)果
5.5.4 實車試驗
5.6 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻
攻讀碩士學(xué)位期間發(fā)表的論文及參加科研情況
本文編號:3751360
本文鏈接:http://sikaile.net/kejilunwen/qiche/3751360.html
最近更新
教材專著