基于激光雷达数据的行人探测方法研究

发布时间：2020-06-20 14:57

【摘要】：随着激光雷达技术的快速发展和激光雷达数据处理研究的不断深入,激光雷达系统已经广泛的应用于诸多领域,在人类生产生活中发挥着越来越重要的作用。尤其随着自主机器人、自动驾驶、无人机等技术和应用的蓬勃发展,环境智能化、自动化感知的需求与日俱增,具有主动式高精度三维点云获取能力的激光雷达已经成为无人智能系统感知环境最为重要的传感器之一。行人作为室内外环境中最常见和最为重要的动态对象,行人探测一直都是最受关注的研究热点之一,是环境感知的不可或缺的关键组成部分,对于自动驾驶/智能驾驶,自主机器人,监测系统,智能交通系统等诸多领域至关重要。目前,基于视觉传感器的行人探测方法虽然在许多场景下的探测结果已经非常理想,但其存在无法精确感知对象位置、易受天气、光线影响的诸多局限。因此,研究基于激光雷达数据的行人探测,不仅是对基于视觉传感器的行人探测在极端条件下的有益补充,更是后续行人运动估计、追踪等研究的基础,对结合多传感器解决环境感知问题至关重要。目前,现有方法已经能够准确的探测近距离、点云密集、无遮挡的行人。但在复杂场景中,面对点云噪声、点云密度不均的特性、人体外形的复杂性(身材、姿态、着装的不同,且动态变化)、行人与环境和对象间的复杂交互等多方面因素共同作用的影响,现有方法往往表现出点云分割结果不理想、特征描述能力不足等问题,探测精度还十分不理想。为了改善这些问题,实现激光雷达数据中更高精度的行人探测,本文从以下几个方面着手展开了研究:(1)针对现有三维点云分割结果中普遍存在的过分割和欠分割问题,提出了一种基于格网高程图的三维点云分割方法,通过在多个场景的实验数据中与现有方法对比验证表明,该方法能够有效提升单个行人点云类簇的获取精度。(2)总结归纳了现有方法中用于描述二维/三维行人点云类簇的特征,针对这些特征提出了一种基于融合特征空间的特征挖掘方法。最终获得适用于探测二维/三维行人点云类簇的稳健特征参数。(3)针对现有特征对于复杂二维点云类簇描述能力不足的问题,定义并提出了多种新的特征类型和特征参数。最后,多种分割方法下多个数据集的实验结果表明,利用Real AdaBoost算法基于本文多类型特征空间生成的人腿探测器能够实现高精度的人腿探测,本文所提特征的有效性和稳健性得到了验证。(4)重点改善了现有特征对于复杂三维行人点云类簇描述能力不足的问题,结合特征挖掘和提取的经验,定义并提出了新的特征类型和一系列从零维到三维的多维度特征参数。最后,经过多个实验数据集的验证,利用SVM算法基于本文多维度多类型特征空间训练生成行人探测模型能够实现更高精度的行人探测,本文所提特征的有效性和优越性得到了验证。总的来说,本文研究的主要针对基于激光雷达数据的行人探测方法中三维点云分割和特征提取两个关键问题进行了优化,根据实验结果表明,本文方法能够有效提高激光雷达数据中的行人探测精度,尤其在复杂场景中提升更为明显。
【学位授予单位】：武汉大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：U495
【图文】：

激光雷达

雷达广泛应用于机器人、安全防护、建筑测量，室内制图等领域。目前市面上主逡逑流的单线激光雷达厂商包括德国的ＳＩＣＫ、日本的Ｈｏｋｕｙｏ、国内的Ｓｌａｍｔｅｃｈ等，逡逑各厂商代表性产品的特点及参数如下表所示。下图为ＳＩＣＫ邋ＬＭＳ１１１激光雷达的逡逑外观设计，和生成的单线激光雷达数据。逡逑表１－３各厂家代表性产品的特点及参数逡逑

激光雷达,自动驾驶,单线,移动机器人

逑目前，常见的应用中单线激光雷达一般都被安装在膝盖高度以下（Ｂｅｌｏｗ邋ｔｈｅ逡逑ｋｎｅｅ－ｈｅｉｇｈｔ），如自动驾驶汽车的车牌处，以及移动机器人平台车上等（如图１－２）。逡逑因此，基于单个单线激光Ｗ达的的行人探测实际上大多数都在关注人腿的检测。逡逑Ｉ逦．仩：零，逡逑二一逡逑图１－２常见应用（左：自动驾驶；右：移动机器人）中的激光n,距仪逡逑在实际场景的单线激光雷达数据中，人腿的表现形式主要包括：分开的人腿逡逑类簇、融合的人腿类簇以及不完整的人腿类簇（如图１－３）。其中，由于两腿粘连逡逑（接触）而成的融合人腿类簇以及由于遮挡而产生不完整的人腿类簇都为激光测逡逑距数据中的人腿检测带来了相当大的挑战。逡逑？邋？逡逑？ｗ．．逦．逡逑？Ｗ逦．／？—？？？逦？逡逑图１－３单线激光雷达数据中常见的人腿类簇类型逡逑（左：分开的腿；中：粘连／合并的腿；右：部分遮挡的腿）逡逑（２）多线激光雷达逡逑包含多个激光器，单次扫描可产生多条扫描线。目前常见的线束主要包括１６逡逑线、３２线、６４线、１２８线等，水平视角一般均为３６０°，垂直视角一般在３０度左逡逑右。完整的３６０°扫描获取的数据称为一帧数据，每一帧激光雷达数据都能够转化逡逑成多线激光点云数据

【参考文献】