針對(duì)單一傳感器感知維度不足、實(shí)時(shí)性差的問題,提出一種激光雷達(dá)與相機(jī)融合的城市自主車輛實(shí)時(shí)目標(biāo)識(shí)別方法。建立兩傳感器間的坐標(biāo)變換模型,實(shí)現(xiàn)兩傳感器的像素級(jí)匹配。改進(jìn)yolov3-tiny算法,提高目標(biāo)檢測(cè)準(zhǔn)確率。對(duì)激光雷達(dá)點(diǎn)進(jìn)行體素網(wǎng)格濾波,根據(jù)點(diǎn)云坡度進(jìn)行地面分割。建立聚類半徑與距離作用模型,對(duì)非地面點(diǎn)云進(jìn)行聚類。引入圖像中包絡(luò)的思想,獲取目標(biāo)三維邊界框以及位姿信息;將視覺目標(biāo)特征與激光雷達(dá)目標(biāo)特征融合。試驗(yàn)結(jié)果表明,改進(jìn)的yolov3-tiny算法對(duì)于城市密集目標(biāo)具有更高的識(shí)別率,雷達(dá)算法能夠完整的完成三維目標(biāo)檢測(cè)以及位姿估計(jì),融合識(shí)別系統(tǒng)在準(zhǔn)確率、實(shí)時(shí)性方面達(dá)到實(shí)際行駛要求。 

【文章來源】：機(jī)械工程學(xué)報(bào). 2020,56(12)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

傳感器布置

課題組采用40線激光雷達(dá)，該激光雷達(dá)中間部分線束更加密集，對(duì)于遠(yuǎn)方目標(biāo)識(shí)別效果更優(yōu)秀，水平角分辨率可根據(jù)需求，選擇0.2°或0.4°。圖1為雷達(dá)線束分布圖。雷達(dá)垂直視野主要由安裝高度和傾斜角度決定。結(jié)合車輛物理空間的限制以及城市目標(biāo)識(shí)別的特征，確定安裝高度H=1.8 m。根據(jù)場(chǎng)景的需要，相機(jī)選用普通USB相機(jī)，像素為640×480，更小的分辨率提高了圖像的處理速度。彩色相機(jī)安裝在頂部激光雷達(dá)下，相機(jī)的位置盡量水平，以便相機(jī)水平角度和旋轉(zhuǎn)近似為0°。

軟件系統(tǒng)以機(jī)器人操作系統(tǒng)(Robot operation system,ROS)為基礎(chǔ)設(shè)計(jì)[16]。Tx2嵌入式開發(fā)板負(fù)責(zé)實(shí)時(shí)處理相機(jī)數(shù)據(jù)，完成視覺目標(biāo)識(shí)別。工控機(jī)負(fù)責(zé)接收原始點(diǎn)云數(shù)據(jù)，對(duì)原始點(diǎn)云數(shù)據(jù)完成濾波、降采樣等預(yù)處理任務(wù)，然后基于改進(jìn)DBSCAN聚類，以及基于圖像包絡(luò)的位姿估計(jì)獲取環(huán)境目標(biāo)的三維信息。最后，基于特征的融合策略完成激光雷達(dá)與視覺實(shí)時(shí)融合的感知。系統(tǒng)軟件框架如圖3所示。2 配準(zhǔn)與同步

【參考文獻(xiàn)】：
期刊論文
[1]基于增強(qiáng)Tiny YOLOV3算法的車輛實(shí)時(shí)檢測(cè)與跟蹤[J]. 劉軍,后士浩,張凱,張睿,胡超超.  農(nóng)業(yè)工程學(xué)報(bào). 2019(08)
[2]無人車自主定位和障礙物感知的視覺主導(dǎo)多傳感器融合方法（英文）[J]. Jian-ru XUE,Di WANG,Shao-yi DU,Di-xiao CUI,Yong HUANG,Nan-ning ZHENG.  Frontiers of Information Technology & Electronic Engineering. 2017(01)
[3]基于雷達(dá)測(cè)距的車輛識(shí)別與跟蹤方法[J]. 周俊靜,段建民,楊光祖.  汽車工程. 2014(11)



本文編號(hào)：3328396