發(fā)布時(shí)間：2020-12-12 12:37

　　自從汽車誕生起人們就開始了對無人駕駛的無盡幻想。對于無人駕駛來說,難度不在于控制車輛而是在于如何讓計(jì)算機(jī)代替駕駛員觀察道路環(huán)境,這一點(diǎn)正是道路環(huán)境感知技術(shù)所研究的目標(biāo)。具體而言,道路環(huán)境感知技術(shù)要能捕獲道路環(huán)境信息,分割道路當(dāng)中的地面信息和各種障礙物并確定障礙物類別和位置。道路環(huán)境感知技術(shù)的提升對無人駕駛的技術(shù)研究和實(shí)際應(yīng)用都有著重大價(jià)值。論文設(shè)計(jì)了基于三維激光雷達(dá)的道路環(huán)境感知系統(tǒng),包括道路環(huán)境三維點(diǎn)云信息采集、點(diǎn)云信息預(yù)處理、基于連通域標(biāo)記的點(diǎn)云分割和基于SVM的點(diǎn)云分類算法、基于改進(jìn)Unet神經(jīng)網(wǎng)絡(luò)的體素分割算法和基于邊界框生成的障礙物定位算法。點(diǎn)云預(yù)處理環(huán)節(jié)包括感興趣區(qū)域劃分、體素化和地面點(diǎn)云分割三部分。海量的點(diǎn)云數(shù)據(jù)經(jīng)由感興趣區(qū)域的劃分和體素化處理,數(shù)據(jù)量大大減少。之后對比己有的基于隨機(jī)抽樣一致性和基于體素柵格高程差的地面點(diǎn)云分割算法,根據(jù)其不足和點(diǎn)云信息的特點(diǎn),設(shè)計(jì)基于雙閾值的地面點(diǎn)云分割算法。實(shí)現(xiàn)對于道路環(huán)境中地面與坡面的點(diǎn)云分割與濾除。障礙物點(diǎn)云的分割環(huán)節(jié)采用兩種方法實(shí)現(xiàn),一是基于連通域標(biāo)記和SVM的障礙物點(diǎn)云分割分類算法。結(jié)合點(diǎn)云圖像特征,采取基于多尺度的連通域標(biāo)記算... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：98 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－２?２．５Ｄ柵格地圖??Ｆｉｇ．?１－２?２．５Ｄ?ｒａｓｔｅｒ?ｍａｐ??

來自加州大學(xué)圣地亞哥分校的Ｊａｃｏｂｙ?Ｌａｒｓｏｎ等人為了簡化點(diǎn)云信息，將??所有的點(diǎn)云信息投影到ｘｏｙ平面，以４０ｃｍ＊４０ｃｍ的尺度劃分柵格，每個(gè)柵格內(nèi)??包含高程、地形可穿越性措施等附加信息，構(gòu)成２．５Ｄ的柵格地圖，如圖１－２。??日本的Ｃｈｕｎｚｈａｏ?Ｇｕｏ等人［１３］在格柵地圖的基礎(chǔ)之上，利用道路幾何的梯度??線索構(gòu)建馬爾可夫隨機(jī)歸檔（ＭＲＦ）。同時(shí)實(shí)現(xiàn)一種有效的置信傳播算法，將道??路環(huán)境分為四類，即可達(dá)區(qū)域、可驅(qū)動(dòng)區(qū)域、障礙區(qū)域和未知地區(qū)。可以較好的??識(shí)別地形的傾斜或路面的崎嶇，并將可通行區(qū)域標(biāo)注出來。如圖１－３，從左至右??分別為激光雷達(dá)的點(diǎn)云數(shù)據(jù)圖，基于梯度多重標(biāo)記后的道路環(huán)境圖，可通行區(qū)域??標(biāo)記圖（綠色）。??圖１－３道路環(huán)境感知圖??Ｆｉｇ．?１－３?Ｒｏａｄ?ｅｎｖｉｒｏｎｍｅｎｔ?ａｗａｒｅｎｅｓｓ?ｍａｐ??來自葡萄牙的Ａｓｖａｄｉ?ＡＨｒｅｚａ等人【１４】使用分段平面擬合算法和ＲＡＮＳＡＣ方法??的擬合成一組多重曲面，可以對地表信息進(jìn)行有效的估計(jì)。并提出了基于體素和??平面的城市地面建模和障礙物檢測方法環(huán)境，使用體素格網(wǎng)模型的靜態(tài)和移動(dòng)障??礙物檢測使用判別分析和自我運(yùn)動(dòng)信息。??而在對點(diǎn)云信息的分類識(shí)別方面

ＳｑｕｅｅｚｅＳｅｇ的新型結(jié)構(gòu)。他們將激光雷達(dá)所采集的區(qū)域看做一個(gè)球型，采用球型??投影的方式，將其前方９０°的區(qū)域展開，并將其劃分為５１２個(gè)小格，從而完成??點(diǎn)云數(shù)據(jù)從三維到二維的轉(zhuǎn)換，如圖１－４。之后將柵格中每個(gè)激光的三維坐標(biāo)信??息（ｘ，ｙ，ｚ），激光雷達(dá)獲取的反射強(qiáng)度信息和點(diǎn)云的范圍信息輸入到網(wǎng)絡(luò)中，??最終通過條件隨機(jī)場（ＣＲＦ）進(jìn)行細(xì)化，將每個(gè)柵格進(jìn)行分類，輸出一張標(biāo)記好??的展開圖。??ｉｎｔｅｎｓｉｔｙ??ｓｐｈｅｒｉｃａｌ?一一…??ｒａｎ９ｅ??（Ａ）?ＬｉＤＡＲ?Ｐｏｉｎｔ?Ｃｌｏｕｄ?（Ｂ）?Ｐｒｏｊｅｃｔｅｄ?Ｐｏｉｎｔ?Ｃｌｏｕｄ??圖１－４球型投影及展開圖??Ｆｉｇ．?１－４?Ｓｐｈｅｒｉｃａｌ?ｐｒｏｊｅｃｔｉｏｎ?ａｎｄ?ｅｘｐａｎｓｉｏｎ??來自匈牙利的ＡｔｔｉｌａＢＳｒｃｓ等人［１８】選擇在點(diǎn)云分類識(shí)別這一環(huán)節(jié)使用卷積神??經(jīng)網(wǎng)絡(luò)，并且在柵格分割時(shí)選擇了三維的柵格分割。其本質(zhì)就是除了對點(diǎn)云空間??的ｘｏｙ平面分割柵格，對Ｚ軸所在的空間也進(jìn)行柵格分割，構(gòu)成一個(gè)ＬＸＷＸＨ??的三維空間。對于Ｚ軸的分割無疑會(huì)增大計(jì)算量，但在面對一些使用２．５Ｄ的柵??格地圖在Ｚ軸上有重疊的情況，比如道路旁樹木對道路上的車輛或樹下的行人??時(shí)，可以通過Ｚ軸方向上的柵格連續(xù)性來解決。在聚類之后，研究人員使用點(diǎn)云??圖像的縱向界面圖作為卷積神經(jīng)網(wǎng)絡(luò)的輸入

【參考文獻(xiàn)】：
期刊論文
[1]基于車載32線激光雷達(dá)點(diǎn)云的車輛目標(biāo)識(shí)別算法[J]. 孔棟,王曉原,劉亞奇,陳晨,王方.  科學(xué)技術(shù)與工程. 2018(05)
[2]基于三維激光雷達(dá)的動(dòng)態(tài)障礙物檢測和追蹤方法[J]. 鄒斌,劉康,王科未.  汽車技術(shù). 2017(08)
[3]谷歌無人駕駛汽車裝用的雷達(dá)傳感器[J]. 董輝.  汽車電器. 2017(06)
[4]采用聚類分析的車載點(diǎn)云地物分類[J]. 朱磊,王健,許開輝,趙富燕.  測繪科學(xué). 2016(04)
[5]機(jī)器學(xué)習(xí)在車載激光點(diǎn)云分類中的應(yīng)用研究[J]. 李海亭,肖建華,李艷紅,龐小平.  華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(03)
[6]城市復(fù)雜環(huán)境下基于三維激光雷達(dá)實(shí)時(shí)車輛檢測[J]. 程健,項(xiàng)志宇,于海濱,劉濟(jì)林.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2014(12)
[7]基于三維激光雷達(dá)的動(dòng)態(tài)障礙實(shí)時(shí)檢測與跟蹤[J]. 楊飛,朱株,龔小謹(jǐn),劉濟(jì)林.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2012(09)
[8]基于地物特征提取的車載激光點(diǎn)云數(shù)據(jù)分類方法[J]. 李婷,詹慶明,喻亮.  國土資源遙感. 2012(01)
[9]基于視覺著陸的無人機(jī)俯仰角與高度估計(jì)[J]. 潘翔,馬德強(qiáng),吳貽軍,張光富,姜哲圣.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2009(04)
[10]基于車載激光掃描數(shù)據(jù)的目標(biāo)分類方法[J]. 吳芬芳,李清泉,熊卿.  測繪科學(xué). 2007(04)

博士論文
[1]基于三維激光雷達(dá)的動(dòng)態(tài)車輛檢測與跟蹤[D]. 諶彤童.國防科學(xué)技術(shù)大學(xué) 2016
[2]無人駕駛車輛環(huán)境感知系統(tǒng)關(guān)鍵技術(shù)研究[D]. 王俊.中國科學(xué)技術(shù)大學(xué) 2016

碩士論文
[1]掃描激光雷達(dá)的系統(tǒng)研制及應(yīng)用研究[D]. 高愛臻.南京信息工程大學(xué) 2015
[2]基于單目視覺和雙目視覺的圖像三維重建技術(shù)研究[D]. 張利.蘭州理工大學(xué) 2014
[3]車載校園環(huán)境激光點(diǎn)云分類與移動(dòng)目標(biāo)識(shí)別[D]. 杜會(huì).武漢理工大學(xué) 2013
[4]LIDAR數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D]. 王俊宏.華中科技大學(xué) 2012



本文編號(hào)：2912574