近年來,受益于深度學習技術的穩(wěn)步發(fā)展以及激光雷達等傳感器的應用,無人駕駛技術步入快速發(fā)展時代。無人駕駛常用的傳感器中,激光雷達作為一種主動式傳感器,具有受環(huán)境因素影響小和準確的深度信息的優(yōu)點。在目標檢測領域,與傳統(tǒng)檢測方法相比,深度學習技術具有高精度和自動學習特征的優(yōu)勢。因此,兩者在無人駕駛系統(tǒng)的環(huán)境感知中得到廣泛的應用。所以本文主要研究基于多線激光雷達點云數(shù)據的深度學習感知算法。當前的感知算法中多傳感器融合算法存在時間復雜度高、多傳感器標定難以長時間維持穩(wěn)定等問題。此外,考慮到在特定場景下（如環(huán)境光干擾大）對傳感器的要求,基于純點云數(shù)據的感知算法十分必要。目前針對純點云數(shù)據使用的算法多是單步法,它的檢測速度雖然較快,但是卻有精度低的缺點。針對上述問題,本文以多線激光雷達點云數(shù)據中的車輛和行人作為主要研究對象,在兼顧實時性的基礎上,設計了一種兩階段的目標檢測網絡以達到高精度檢測的目的。本文使用標注工具完成點云數(shù)據集的建立,方便訓練檢測模型和評估感知算法。在深度學習感知算法的設計方面,考慮到速度的要求,本文在數(shù)據處理方面采用將三維空間內的點云數(shù)據投影到俯視圖上,經過柵格化后提取統(tǒng)計特征,... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

參賽的無人駕駛汽車2004年，第一屆自動駕駛挑戰(zhàn)賽在美國正式舉行，比賽要求各參賽者在野外

哈爾濱工業(yè)大學工學碩士學位論文2.1.2傳感器安裝本文采用KITTI數(shù)據集，以下主要介紹該數(shù)據集的硬件采集平臺。該數(shù)據采集車的頂部安裝了一個64線激光雷達，兩側分別安裝了一個彩色攝像機和一個灰度攝像機。數(shù)據采集過程中，各傳感器有交叉的感知區(qū)域，為了充分利用各傳感器，選取攝像機與激光雷達共同的感知區(qū)域進行標注。攝像頭和激光雷達傳感器的具體安裝位置如圖2-1所示。圖2-1KITTI數(shù)據采集車傳感器位置示意圖如圖2-1所示，相機和激光雷達的坐標系不同，為了方便標定，激光雷達和攝像機均采用右手坐標系，具體的傳感器坐標系如表2-1所示。表2-1激光雷達和相機坐標系坐標軸相機激光雷達x右前y下左z前上該數(shù)據采集車使用的攝像機有灰度相機和彩色相機，不同的相機獲取的數(shù)據有各自的特點，細節(jié)如表2-2所示。數(shù)據采集車使用的激光雷達是64線激光雷達，該傳感器能夠測量120米的范圍，水平方向有360度的感知范圍，豎直方向有26.9度的感知范圍，水平分辨率大約0.4度，豎直分辨率有0.08度。激光雷達以每秒10幀的速度旋轉，每周期捕獲大約100k點，同時以每秒10幀的速度觸發(fā)攝像機。表2-2灰度相機與彩色相機對比表屬性灰度相機彩色相機型號FL2-14S3M-CFl2-14S3C-C圖像傳感器SonyICX267CCDSonyICX267CCD分辨率高低通道數(shù)１３-9-

哈爾濱工業(yè)大學工學碩士學位論文當前主流的檢測方法作對比，本文采取與主流檢測算法相同的感知范圍進行檢測。本文選擇的感興趣區(qū)域是前向70米，左右各40米的范圍。高度上為了去除路邊部分路段上樹木的干擾，以及兼顧絕大部分的車輛，本文選擇過濾掉高于地面2.5米的點云。由于KITTI數(shù)據集采用的是聯(lián)合標注的方法，結合相機的視場角，本文選取視場角90度的范圍，去除視場角以外的點。通過這樣的感興趣區(qū)域的設置，不僅可以過濾掉作用不大和干擾檢測效果的數(shù)據，減小了檢測算法的輸入量，提高了實時性，也同時節(jié)省了點云數(shù)據所占用的儲存空間。如圖2-2所示即感興趣的區(qū)域范圍，這樣可以方便檢測算法的處理，其中矩形與兩條直線圍成的最大區(qū)域就是本文所選擇的感興趣區(qū)域。圖2-2點云數(shù)據的感興趣區(qū)域額外的數(shù)據處理相較于由此帶來的好處是值得的。通過這樣的處理，處理和存儲數(shù)據的難度都得到了降低。這樣的處理使得對于硬件的要求沒有那么嚴苛，對于實時性的提升也有很大的幫助。就新數(shù)據和全部數(shù)據的輸入的表現(xiàn)來看，效果并沒有降低。雖然去掉了部分數(shù)據，但是這些數(shù)據在視場角以外的部分并沒有經過打標，這部分數(shù)據對算法是沒有影響的。對于在視場角以內去除的部分，水平方向上因為距離過遠，感知難度較大，有效感知距離無法達到。在豎直方向上高于車輛的范圍有樹等干擾物，去除較高范圍的數(shù)據能夠有效避免干擾，節(jié)省計算量。2.2.2點云數(shù)據的標注為了提高標注的效率，采用對感興趣區(qū)域過濾后的點云數(shù)據進行標注。標注方法中有采用半自動標注的方法完成打標任務，這種通過聚類或者深度學習的方法預先標注然后再經過手工調整的方法需要保證精細的調整才能得到較好的標注-11-

【參考文獻】：
期刊論文
[1]點云數(shù)據的多幾何面片特征自動識別[J]. 石宏斌,殷義程,袁曼飛.  測繪通報. 2017(02)



本文編號：3330524