本文選題：激光與視覺信息融合 + 運(yùn)動目標(biāo)檢測��； 參考：《中國科學(xué)技術(shù)大學(xué)》2017年碩士論文

【摘要】：運(yùn)動目標(biāo)檢測與場景重建作為視頻監(jiān)控和三維地圖構(gòu)建的關(guān)鍵技術(shù),是進(jìn)行實(shí)時(shí)導(dǎo)航避障與路徑規(guī)劃的基礎(chǔ)。它們作為環(huán)境感知任務(wù)的子問題,與機(jī)器人、無人機(jī)、無人車、體感游戲等領(lǐng)域的發(fā)展密不可分,是人類智能生活的一部分。當(dāng)前對該問題的研究多基于單一的視覺或激光傳感器,受限于其視野范圍、數(shù)據(jù)量、數(shù)據(jù)豐富度以及實(shí)時(shí)性和抗干擾性等局限,往往難以滿足實(shí)時(shí)的多任務(wù)場景需求。本文以激光信息和視覺信息的相互補(bǔ)充與約束,設(shè)計(jì)了一個(gè)可以同時(shí)進(jìn)行實(shí)時(shí)運(yùn)動目標(biāo)檢測與場景重建的感知系統(tǒng),并對上述兩個(gè)子問題進(jìn)行了深入研究。主要內(nèi)容如下:1、對比分析了多傳感器硬件平臺Multisense-SL中激光與視覺傳感器在各項(xiàng)性能上的差異,論證了兩者的融合在動態(tài)場景感知問題上的合理性;并基于ROS軟件平臺的消息發(fā)布與訂閱模式,設(shè)計(jì)了可以同時(shí)進(jìn)行多項(xiàng)實(shí)時(shí)感知任務(wù)的融合框架。2、針對基于視覺的背景減除法進(jìn)行的運(yùn)動目標(biāo)檢測中的"背景顯露區(qū)域"誤判問題和三維前景提取的不完整性問題,提出了一種特征層下的融合運(yùn)動目標(biāo)檢測算法。以基于視覺分揀出的激光前景點(diǎn)為啟發(fā)信息,進(jìn)行二維圖像鄰域搜索下的三維距離約束的前景聚類,同時(shí)得到了二維圖像前景圖和三維空間前景點(diǎn)云。在完整提取前景對象的同時(shí)有效的抑制了 "背景顯露區(qū)域"的誤判。3、針對激光與視覺數(shù)據(jù)底層融合的噪音問題和直接通過傳感器間外標(biāo)定關(guān)系配準(zhǔn)的點(diǎn)云"失配現(xiàn)象",在進(jìn)行場景的融合重建中進(jìn)行了優(yōu)化。在預(yù)處理階段提出了視場約束、時(shí)效約束和遮擋約束,有效地濾除了絕大部分雜點(diǎn);并在融合優(yōu)化階段提出了基于聚類的分片ICP配準(zhǔn)矯正算法。較之整體配準(zhǔn)下的矯正結(jié)果,本文所提算法在有效抑制偏離比(RP)"跑偏"現(xiàn)象的同時(shí)場景平均失配度(η)也降低了至少60%。
[Abstract]:As the key technology of video surveillance and 3D map construction, moving target detection and scene reconstruction are the foundation of real-time navigation obstacle avoidance and path planning. As a sub-problem of environmental perception task, they are closely related to the development of robot, unmanned aerial vehicle, unmanned vehicle, body sense game and so on, and are part of human intelligent life. The current research on this problem is based on a single vision or laser sensor, which is limited by its vision range, data volume, data richness, real-time and anti-jamming, etc. It is often difficult to meet the requirements of real-time multi-task scene. Based on the complementary and constraint of laser information and visual information, this paper designs a perceptual system which can simultaneously detect moving targets and reconstruct scene. The two sub-problems mentioned above are deeply studied in this paper. The main contents are as follows: 1. The differences between laser and vision sensors in the multi-sensor hardware platform Multisense-SL are compared and analyzed, and the rationality of the fusion of the two in dynamic scene perception is demonstrated. And based on the ROS software platform message publishing and subscription mode, A fusion framework. 2, which can simultaneously perform multiple real-time sensing tasks, is designed to solve the problem of "background exposure region" misjudgment and incompleteness of 3D foreground extraction in moving target detection based on visual background subtraction. A fusion moving target detection algorithm based on feature layer is proposed. Taking the laser foreground points based on the visual sorting as the heuristic information, the foreground clustering of 3D distance constraints under the neighborhood search of two-dimensional images is carried out, and the foreground map of two-dimensional images and the 3D scene cloud are obtained at the same time. It can effectively restrain the misjudgment of "background exposure area" while extracting foreground objects completely. Aiming at the noise problem of laser and visual data bottom fusion and the point cloud loss of registration directly through the external calibration relationship between sensors, it can be used to solve the problem of noise problem in the bottom layer of laser and visual data. The matching phenomenon is optimized in the fusion reconstruction of the scene. In the preprocessing stage, the field of view constraints, time constraints and occlusion constraints are proposed to effectively filter out most of the clutter points, and in the fusion optimization phase, a segmented ICP registration correction algorithm based on clustering is proposed. Compared with the correction results under global registration, the proposed algorithm can effectively reduce the deviation of deviation ratio (RP) and reduce the average mismatch (畏) of the scene by at least 60%.
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃成都;黃文廣;閆斌;;基于Codebook背景建模的視頻行人檢測[J];傳感器與微系統(tǒng);2017年03期

2 黃思奇;夏海英;;基于點(diǎn)云面的區(qū)域性三維重建及點(diǎn)云拼接[J];計(jì)算機(jī)應(yīng)用研究;2016年12期

3 鄧念晨;楊旭波;;多Kinect實(shí)時(shí)室內(nèi)動態(tài)場景三維重建[J];東華大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

4 林義閩;呂乃光;婁小平;董明利;;用于弱紋理場景三維重建的機(jī)器人視覺系統(tǒng)[J];光學(xué)精密工程;2015年02期

5 任彪;;機(jī)器視覺中立視技術(shù)的發(fā)展與現(xiàn)狀[J];信息系統(tǒng)工程;2014年11期

6 張品;董為浩;高大冬;;一種優(yōu)化的貝葉斯估計(jì)多傳感器數(shù)據(jù)融合方法[J];傳感技術(shù)學(xué)報(bào);2014年05期

7 胡振濤;曹志偉;李松;李樅樅;;基于容積卡爾曼濾波的異質(zhì)多傳感器融合算法[J];光電子.激光;2014年04期

8 蘇顯渝;張啟燦;陳文靜;;結(jié)構(gòu)光三維成像技術(shù)[J];中國激光;2014年02期

9 王文慶;張濤;龔娜;;基于多傳感器融合的自主移動機(jī)器人測距系統(tǒng)[J];計(jì)算機(jī)測量與控制;2013年02期

10 佟帥;徐曉剛;易成濤;邵承永;;基于視覺的三維重建技術(shù)綜述[J];計(jì)算機(jī)應(yīng)用研究;2011年07期

相關(guān)博士學(xué)位論文 前3條

1 周維;視頻監(jiān)控中運(yùn)動目標(biāo)發(fā)現(xiàn)與跟蹤算法研究[D];中國科學(xué)技術(shù)大學(xué);2012年

2 焦宏偉;基于成像激光雷達(dá)與雙CCD復(fù)合的三維精細(xì)成像技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2012年

3 閆飛;面向復(fù)雜室外環(huán)境的移動機(jī)器人三維地圖構(gòu)建與路徑規(guī)劃[D];大連理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前8條

1 符笛;基于背景建模的車輛檢測算法研究[D];中國科學(xué)技術(shù)大學(xué);2015年

2 秦川;無人機(jī)影像匹配點(diǎn)云濾波處理與三維重建[D];西南交通大學(xué);2015年

3 高磊;基于光流的動態(tài)場景中運(yùn)動車輛檢測與跟蹤算法研究[D];中國科學(xué)技術(shù)大學(xué);2014年

4 趙次郎;基于激光視覺數(shù)據(jù)融合的三維場景重構(gòu)與監(jiān)控[D];大連理工大學(xué);2014年

5 錢生;視頻監(jiān)控系統(tǒng)中運(yùn)動目標(biāo)檢測與跟蹤方法的改進(jìn)及實(shí)現(xiàn)[D];中國科學(xué)技術(shù)大學(xué);2014年

6 李鴻;基于混合高斯模型的運(yùn)動檢測及陰影消除算法研究[D];中國民航大學(xué);2013年

7 譚文明;復(fù)雜背景建模方法及其在運(yùn)動目標(biāo)檢測中的應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2009年

8 鄭芳;基于視覺的激光傳感器標(biāo)定算法研究[D];國防科學(xué)技術(shù)大學(xué);2005年

，

本文編號：1779666