本文選題：無人車 + 全天時檢測識別　； 參考：《北京理工大學》2016年博士論文

【摘要】：野外環(huán)境下,地面水障礙、凹凸障礙對無人車的安全行駛造成了極大的威脅,并且在很大程度上制約了行進的速度。目前復雜野外環(huán)境下,采用三維激光雷達進行無人車全天時障礙識別,價錢昂貴、處理速度慢,效果不佳,是國內(nèi)外關注的一個難題。因此,對無人車行駛過程中地面障礙進行快速、有效識別具有十分重要的現(xiàn)實意義。本文結(jié)合當前無人車的應用研究,提出了一種基于線結(jié)構(gòu)光視覺系統(tǒng)的多傳感器水障礙和凹凸障礙物的檢測方法,實現(xiàn)了對車輛前方最遠可到百米的障礙物全天時檢測識別。本文主要研究內(nèi)容和研究結(jié)果如下：第一,研制了無人車水障礙和凹凸障礙物檢測識別系統(tǒng)。硬件系統(tǒng)主要由線結(jié)構(gòu)光視覺傳感器系統(tǒng)、位姿方位系統(tǒng)組成；對線結(jié)構(gòu)光傳感器的設計進行了具體計算、對障礙識別原理進行了闡述。軟件處理系統(tǒng)對線結(jié)構(gòu)光傳感器得到的圖像和激光雷達的點云數(shù)據(jù)進行具體處理和數(shù)據(jù)融合。經(jīng)過理論分析計算和實驗驗證,本文研制完成了能用于野外地面、車輛前方百米內(nèi)、晝夜使用的水障礙、凹凸障礙物檢測識別的線結(jié)構(gòu)光視覺傳感器系統(tǒng)。第二,為了實現(xiàn)障礙物識別多傳感器的信息融合,對研制的線結(jié)構(gòu)光傳感器進行了特性分析和標定,建立了線結(jié)構(gòu)光傳感器的完整模型；在分析了現(xiàn)有線結(jié)構(gòu)光常見標定方法的基礎上,提出了適合本文傳感器系統(tǒng)標定的方法,提出了確定空間點在三維攝像機坐標系下三維坐標的方法,系統(tǒng)提出和推導了不同障礙特征尺寸計算的公式。第三,對線結(jié)構(gòu)光傳感器視覺系統(tǒng)的圖像識別處理進行了研究,主要包括線結(jié)構(gòu)光光條的特征分析、線結(jié)構(gòu)光光條處理和障礙識別依據(jù)等幾個方面,最后通過實驗進行了算法驗證。對于得到的線結(jié)構(gòu)光圖像,首先用本文提出的RAMF算法濾除圖像中的椒鹽噪聲；然后提取光條感興趣區(qū)域(ROI)；再在Steger提出的基于Hessian矩陣進行條紋中心提取的基礎上,進行Gaussian卷積遞歸運算中的參數(shù)計算,由此計算Hessian矩陣的特征值和特征向量；最后根據(jù)計算的光條法線方向,計算光條的中心坐標。對于水障礙,提出了水障礙快速、有效提取的“黑洞”算法。最后,通過實驗驗證了傳感器在不同時段對不同障礙快速識別算法的有效性。第四,對線結(jié)構(gòu)光障礙物檢測傳感器的信息與激光雷達數(shù)據(jù)融合處理進行了研究,復雜環(huán)境下使用單個傳感器難以滿足全天時障礙的快速、有效識別。首先,對64線三維激光雷達原理和數(shù)據(jù)格式進行介紹；借助點云庫PCL,采用VS2010+Matlab混合編程的方式編寫了點云采集、處理軟件；并進行了障礙檢測實驗。之后,基于D-S證據(jù)理論對障礙目標進行識別融合,提出了改進的Dempster合成規(guī)則,得到了可以實現(xiàn)障礙物判斷的D-S融合輸出值和車輛可通行的點圖。
[Abstract]:In the field environment, the surface water obstacle and bump obstacle pose a great threat to the safe driving of the unmanned vehicle, and to a great extent restrict the speed of moving. At present, in the complex field environment, it is a difficult problem to use 3D lidar to identify all-day obstacle of unmanned vehicle, which is expensive, slow and ineffective. Therefore, it is of great practical significance to identify the ground obstacles quickly and effectively. In this paper, based on the current research on the application of unmanned vehicle, a multi-sensor detection method of water obstacle and bump obstacle based on linear structured light vision system is proposed, which realizes the detection and recognition of obstacles up to 100 meters in front of the vehicle. The main research contents and results are as follows: firstly, the detection and identification system of water obstacle and bump obstacle for unmanned vehicle is developed. The hardware system is mainly composed of linear structured light vision sensor system, position orientation system, the design of line structured light sensor is calculated in detail, and the principle of obstacle identification is expounded. The software processing system processes and fuses the image and point cloud data from the linear structured light sensor. After theoretical analysis and experimental verification, a linear structured light vision sensor system is developed, which can be used to detect and identify water obstacles and concave obstacles in the field, within 100 meters in front of the vehicle. Secondly, in order to realize the information fusion of obstacle recognition multi-sensor, the characteristic analysis and calibration of the developed linear structured light sensor are carried out, and the complete model of the linear structured light sensor is established. Based on the analysis of the common calibration methods of linear structured light, the calibration method suitable for the sensor system in this paper is put forward, and the method of determining the three-dimensional coordinates of spatial points in the 3D camera coordinate system is presented. The formulas for calculating the characteristic dimensions of different obstacles are put forward and deduced systematically. Thirdly, the image recognition processing of the vision system of the linear structured light sensor is studied, which mainly includes the characteristic analysis of the line structure light strip, the processing of the line structure light strip and the basis of obstacle recognition, and so on. Finally, the algorithm is verified by experiments. For the linear structured light image, we first use the RAMF algorithm proposed in this paper to filter the salt and pepper noise in the image, then extract the region of interest of the light strip, then extract the fringe center based on the Hessian matrix proposed by Steger. The eigenvalues and Eigenvectors of the Hessian matrix are calculated by calculating the parameters of the Gaussian convolution recursion operation, and the center coordinates of the optical strip are calculated according to the normal direction of the calculated optical strip. For water barrier, a fast and effective black hole algorithm is proposed. Finally, the effectiveness of the fast identification algorithm for different obstacles is verified by experiments. Fourthly, the information fusion of linear structured light obstacle detection sensor and lidar data fusion is studied. It is difficult to use a single sensor in complex environment to quickly and effectively identify the all-day obstacle. Firstly, the principle and data format of 64-line 3D lidar are introduced. With the help of point cloud library, the point cloud acquisition and processing software is compiled by VS2010 Matlab hybrid programming, and the obstacle detection experiment is carried out. Then, based on D-S evidence theory, the obstacle target is identified and fused, and an improved Dempster synthesis rule is proposed. The D-S fusion output value and the point diagram of the vehicle can be obtained.
【學位授予單位】：北京理工大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TJ810.3;TP212

【相似文獻】

相關期刊論文 前10條

1 李莉;孫立軍;譚生光;寧國寶;;用于路面車轍檢測的線結(jié)構(gòu)光圖像處理流程[J];同濟大學學報(自然科學版);2013年05期

2 吳慶陽;蘇顯渝;李景鎮(zhèn);惠彬;;一種新的線結(jié)構(gòu)光光帶中心提取算法[J];四川大學學報(工程科學版);2007年04期

3 邊琰;郭彤;張國雄;;基于線結(jié)構(gòu)光的工件臺階特征尺寸測量方法研究[J];機床與液壓;2009年06期

4 裘祖榮;陳浩玉;胡文川;鄒茂虎;楊婷;;嵌入式線結(jié)構(gòu)光角度視覺檢測及誤差補償[J];光學精密工程;2013年10期

5 王以忠;李琳;黃華芳;;一種基于雙目線結(jié)構(gòu)光視覺系統(tǒng)的簡單標定方法[J];長沙交通學院學報;2008年01期

6 鄭鷺斌;王曉棟;嚴菲;;一種實時準確的線結(jié)構(gòu)光條紋中心提取方法[J];廈門理工學院學報;2014年01期

7 楊雪榮;張湘?zhèn)?成思源;唐克倫;;三坐標測量機與線結(jié)構(gòu)光傳感器集成系統(tǒng)的測量模型[J];中國機械工程;2009年09期

8 解則曉;王琨;劉世晶;;大視場線結(jié)構(gòu)光兩軸測量系統(tǒng)[J];光電子.激光;2009年06期

9 解則曉,張成國,張國雄;線結(jié)構(gòu)光測量數(shù)據(jù)的自動拼合方法[J];中國機械工程;2005年09期

10 張維光;趙宏;;線結(jié)構(gòu)光多傳感器三維測量系統(tǒng)誤差校正方法[J];西安交通大學學報;2011年06期

相關會議論文 前5條

1 舒強;李松;錢之楠;馬躍;;線結(jié)構(gòu)光的車轍測量模型及其標定[A];2009年全國測繪儀器綜合學術年會論文集[C];2009年

2 張瑞瑛;周萍;馮煦;;大視場下線結(jié)構(gòu)光光條中心的快速提取[A];2009年全國測繪儀器綜合學術年會論文集[C];2009年

3 曾祥軍;霍金城;吳慶陽;;線結(jié)構(gòu)光三維測量系統(tǒng)掃描方向的標定[A];中國光學學會2011年學術大會摘要集[C];2011年

4 孫國強;許增樸;王永強;于德敏;畢德學;;線結(jié)構(gòu)光快速三維測量系統(tǒng)的全局標定方法研究[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

5 張應紅;;線結(jié)構(gòu)光在SOP芯片管腳檢測中的應用[A];2004全國光學與光電子學學術研討會、2005全國光學與光電子學學術研討會、廣西光學學會成立20周年年會論文集[C];2005年

相關博士學位論文 前8條

1 劉艷;機器人結(jié)構(gòu)光視覺系統(tǒng)標定研究[D];北京理工大學;2015年

2 邵海燕;基于線結(jié)構(gòu)光的水障礙、凹凸障礙物遠距離感測技術[D];北京理工大學;2016年

3 王鵬;線結(jié)構(gòu)光三維自動掃描系統(tǒng)關鍵技術的研究[D];天津大學;2008年

4 吳慶陽;線結(jié)構(gòu)光三維傳感中關鍵技術研究[D];四川大學;2006年

5 王宗義;線結(jié)構(gòu)光視覺傳感器與水下三維探測[D];哈爾濱工程大學;2005年

6 楊雪榮;CMM與線結(jié)構(gòu)光視覺傳感器集成的逆向工程系統(tǒng)關鍵技術研究[D];廣東工業(yè)大學;2013年

7 吳慶華;基于線結(jié)構(gòu)光掃描的三維表面缺陷在線檢測的理論與應用研究[D];華中科技大學;2013年

8 陳天飛;線結(jié)構(gòu)光表面三維測量系統(tǒng)的標定技術研究[D];大連海事大學;2013年

相關碩士學位論文 前10條

1 王世平;線結(jié)構(gòu)光測量技術在接觸軌幾何參數(shù)檢測中的應用研究[D];西南交通大學;2015年

2 袁聰聰;線結(jié)構(gòu)光掃描裝置的設計與實現(xiàn)[D];西北農(nóng)林科技大學;2015年

3 劉輝;基于圖像檢測技術的運動部件的截面積測量[D];河北科技大學;2015年

4 陳麗;連鑄坯線結(jié)構(gòu)光視覺定重關鍵技術研究[D];河北科技大學;2015年

5 操亞華;基于FPGA的線結(jié)構(gòu)光傳感器信號處理系統(tǒng)設計[D];合肥工業(yè)大學;2015年

6 陸兵兵;線結(jié)構(gòu)光三維傳感器設計[D];合肥工業(yè)大學;2015年

7 王獻偉;基于線結(jié)構(gòu)光的跨座式單軌交通接觸網(wǎng)磨損三維檢測研究[D];重慶大學;2015年

8 楊強偉;基于線結(jié)構(gòu)光的管體直焊縫焊接質(zhì)量控制算法研究[D];中北大學;2016年

9 李碩;線結(jié)構(gòu)光三維視覺測量系統(tǒng)的關鍵技術研究[D];廣東工業(yè)大學;2016年

10 劉世晶;一種基于線結(jié)構(gòu)光的五軸掃描測量系統(tǒng)[D];中國海洋大學;2009年

，

本文編號：1871217