動態(tài)目標相對位姿測量作為三維形態(tài)識別和運動軌跡跟蹤的關鍵技術,被廣泛應用于空間在軌服務,自動駕駛,智能機器人等領域。隨著應用領域的擴展,合作及半合作目標的探測已經(jīng)無法滿足現(xiàn)代化工業(yè)和科技的需求,對非合作目標探測將成為未來技術發(fā)展的重要方向。非合作目標無法提供便于位姿識別的合作信息,因此如何利用硬件成像系統(tǒng)捕獲更多有用信息,設計魯棒性更好、運行效率更高的位姿測量算法,成為非合作目標姿態(tài)測量的關鍵。為解決先驗信息缺失,遠距離測距精度低等問題,通過對關鍵技術的改進和創(chuàng)新,基于面陣三維成像激光雷達開展非合作動態(tài)目標位姿測量技術研究。首先,本論文以偏振調(diào)制的激光三維成像方法為基礎,確立了高分辨率面陣三維成像系統(tǒng)的詳細理論技術方案。通過對電光晶體偏振調(diào)制特性分析,提出基于偏振三維成像的系統(tǒng)誤差標定方法,解決成像精度低、成像視場受限的問題,實現(xiàn)對遠距離動態(tài)目標的高精度快速三維成像,為遠距離非合作動態(tài)目標的探測及位姿測量提供硬件系統(tǒng)基礎。其次,針對傳統(tǒng)三維點云分割方法數(shù)據(jù)量大,算法收斂速度慢等問題,基于新型面陣激光雷達特有的成像機制和系統(tǒng)結(jié)構(gòu),提出多維數(shù)據(jù)融合的解決思路,將目標主體點云與復雜環(huán)境背景分... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：153 頁

【學位級別】：博士

【部分圖文】：

空間在軌服務

梢醞ü?姹鵯俺檔奈蛔吮浠?魘剖迪腫遠?ㄖ??潁?惚芙下?的前車等功能，應用前景不可估量。GMcruise是通用汽車旗下研發(fā)無人駕駛的公司，全車配備16個相機用于檢測跟蹤行人、自行車、交通燈、可行駛區(qū)域，5個激光雷達用于檢測靜態(tài)物體和動態(tài)目標的位姿，并于2018年實現(xiàn)40km/h的封閉公路測試[25]。此外，戴姆勒博世公司，福特汽車，寶馬等都已經(jīng)開始布局無人駕駛領域，所有無人駕駛技術都離不開相機與毫米波雷達，而隨著激光雷達技術的成熟，越來越多的研發(fā)機構(gòu)選擇用可以提供目標物體高精度深度信息的激光雷達[26]，如圖1-2。(a)(b)圖1-2激光雷達在無人駕駛和在軌服務中的應用。(a)美國斯坦福大學參加DARPA舉辦的智能車挑戰(zhàn)賽;(b)戴姆勒公司無人駕駛示意圖從自動駕駛技術的革新可以發(fā)現(xiàn)，該技術不僅需要成熟穩(wěn)健的算法作為支持，更重要的是高靈敏度視覺傳感器在場景內(nèi)目標捕獲技術上的優(yōu)化，目前的多傳感器融合以及未來激光雷達技術的成熟，會對動態(tài)目標位姿判斷起重要作用。

電子科技大學博士學位論文6(a)(b)(c)圖1-3雙目視覺測量流程[3]。(a)深度圖恢復；(b)點云配準；(c)位姿求解日本航天研究院利用立體視覺和三維模型匹配對在軌故障衛(wèi)星進行運動估計[39]，通過立體視覺技術獲取非合作目標的三維信息，并通過與點云模型匹配來推算目標的位姿參數(shù)，由于這個過程算法復雜且耗時，只可用于事后處理，無法實現(xiàn)對運動非合作目標的實時姿態(tài)測量。Technion學院的Segal團隊[40]同樣通過雙目視覺測量技術實現(xiàn)了對非合作目標在軌任務中的姿態(tài)測量，不同之處在于該團隊利用Bayes和Kalman濾波的方法完成位姿測算，在提高位置信息與旋轉(zhuǎn)角度精度的同時，可以預估下一時刻的運動軌跡。國內(nèi)對于雙目視覺測量技術也開展了深入的研究，哈爾濱工業(yè)大學控制智能系統(tǒng)研究所許文付[41]等人提出基于立體視覺的目標識別與姿態(tài)測量方法，當空間機器人為指定衛(wèi)星服務的情況下，提出相應的三角形支持面板識別算法，并完成三維結(jié)構(gòu)重建。實現(xiàn)在有效工作范圍5m以內(nèi)的探測條件下，位置誤差小于0.04m，姿態(tài)誤差小于3°。中國科學院光電技術研究所的顏坤[31]團隊，哈爾濱工業(yè)大學的劉通[42]等科研人員均對雙目視覺技術進行了深入的研究，并對算法部分做了提升，實現(xiàn)目標三維結(jié)構(gòu)的實時重建。多視覺探測器立體視覺技術的本質(zhì)為交叉測量法，具體可分為共線測量法、投影測量法、空間解析曲線三維測量法和目標中軸測量法等。共線方程測量法根據(jù)圖像和攝像中心二者基線恒定在唯一的平面上的原理，通過求解交叉平面方程確定基線坐標位置[43]。該方法需要兩個或以上的視覺測量器件同步工作，并使用最小二乘法求解方程[44]。但當基線與兩個視覺測量器件所在平面平行時，無法完成測量。投影矩陣測量采用齊次方程求解目標三維姿態(tài)，與共?

【參考文獻】：
期刊論文
[1]三維掃描激光雷達系統(tǒng)設計及實時成像技術[J]. 李小路,曾晶晶,王皓,徐立軍.  紅外與激光工程. 2019(05)
[2]基于EPNP算法的單目視覺測量系統(tǒng)研究[J]. 張慧娟,熊芝,勞達寶,周維虎.  紅外與激光工程. 2019(05)
[3]戴姆勒:穩(wěn)步推進無人駕駛與共享出行[J]. 李忠東.  汽車與配件. 2018(35)
[4]特斯拉MODEL X 實用+性能 即是未來[J]. ALLEN.  體育博覽. 2018(12)
[5]單目序列的剛體目標位姿測量[J]. 趙麗科,鄭順義,王曉南,黃霞.  浙江大學學報(工學版). 2018(12)
[6]無掃描激光三維成像雷達研究進展及趨勢分析[J]. 卜禹銘,杜小平,曾朝陽,趙繼廣,宋一鑠.  中國光學. 2018(05)
[7]基于RGB-D三維點云目標分割[J]. 陳國軍,孔李燕,張清偉,楊靜.  計算機技術與發(fā)展. 2018(12)
[8]人工智能視角下的無人駕駛技術分析與展望[J]. 郭旭.  電子世界. 2017(20)
[9]基于雙目立體視覺的三維信息快速大尺度測量系統(tǒng)[J]. 楊巍.  電子設計工程. 2017(06)
[10]Velodyne激光雷達宣布將GaN技術用于小型化低成本固態(tài)激光雷達傳感器的新設計[J]. 戴朝典.  汽車電器. 2017(01)

博士論文
[1]基于主被動融合的非合作目標重建與位姿測量研究[D]. 張壯.中國科學院大學(中國科學院光電技術研究所) 2019
[2]基于超體素的三維數(shù)據(jù)分割方法研究[D]. 劉曉妮.吉林大學 2019
[3]基于雙目視覺的空間非合作目標姿態(tài)測量技術研究[D]. 顏坤.中國科學院大學(中國科學院光電技術研究所) 2018
[4]空間翻滾目標的位姿測量及其雙臂捕獲機器人的軌跡規(guī)劃[D]. 彭鍵清.哈爾濱工業(yè)大學 2018
[5]基于結(jié)構(gòu)化預測的道路場景理解技術研究[D]. 肖良.國防科技大學 2017
[6]基于偏振調(diào)制的激光三維成像方法研究[D]. 陳臻.中國科學院大學(中國科學院光電技術研究所) 2017
[7]陣列激光三維成像點云數(shù)據(jù)配準技術研究[D]. 王巖.中國科學院長春光學精密機械與物理研究所 2016
[8]無人駕駛車輛環(huán)境感知系統(tǒng)關鍵技術研究[D]. 王俊.中國科學技術大學 2016
[9]相位編碼合成孔徑激光雷達關鍵技術研究[D]. 李飛.中國科學院研究生院(上海技術物理研究所) 2016
[10]光電經(jīng)緯儀跟蹤飛機的3D計算機視覺研究[D]. 王習文.中國科學院研究生院（長春光學精密機械與物理研究所） 2010

碩士論文
[1]基于局部不變特征和點云配準的目標識別與定位技術研究[D]. 于達.哈爾濱工業(yè)大學 2018
[2]面向無人駕駛車輛的多雷達檢測與跟蹤技術研究[D]. 王昶人.北京工業(yè)大學 2018
[3]基于Kinect的大場景三維重建[D]. 張橋松.電子科技大學 2018
[4]基于計算機視覺和深度學習的自動駕駛方法研究[D]. 白辰甲.哈爾濱工業(yè)大學 2017
[5]冰橋計劃機載測高在西南極Thwaites冰川的應用研究[D]. 黃科偉.武漢大學 2017
[6]電子倍增CCD成像性能測試系統(tǒng)研究[D]. 余敏.南京理工大學 2017
[7]基于面陣CCD三維實時成像技術的研究[D]. 王淞.浙江大學 2016
[8]基于ORB算法的雙目視覺測量研究[D]. 王昌盛.哈爾濱工業(yè)大學 2015
[9]室外場景三維點云數(shù)據(jù)的分割與分類[D]. 宋立鵬.大連理工大學 2015
[10]月面探測中視覺定位技術研究[D]. 李晶.重慶大學 2015



本文編號：3578925