基于图像与激光雷达信息相融合的车辆信息地图构建

发布时间：2021-02-25 22:44

　　目前,智能驾驶技术正在迅速发展。由于环境感知和信息处理方面的算法问题,无法对各种环境进行自动理解。基于传感信息融合的方法构建车辆信息地图能够提高车辆识别准确率,对智能车辆安全行驶具有重要意义。首先,对相机与激光雷达进行联合标定。建立相机标定模型,采用LM梯度下降算法对相机的内、外参数进行优化;同时建立激光雷达标定模型,采用粒子群算法、可变邻域半径的DBSCAN聚类算法及最小二乘法对激光雷达的外参数进行确定;由于相机模型和激光雷达模型都是在车辆坐标系下标定的,通过推导可以对相机与激光雷达进行联合标定。其次,对相机图像与激光雷达数据进行预处理及车辆识别。对相机彩色图像通过信息熵理论灰度化算法、基于权重系数的滤波算法、图像分块二值化算法进行处理,以实现车道与车辆阴影的分离;以车道线为基准,采用搜索黑色像素点的方法寻找车底阴影与道路相交线,进而识别车辆。对激光雷达数据通过四种滤波方法滤除非车辆目标,通过可变邻域半径的DBSCAN聚类算法对激光点云进行聚类,确定车辆的位置。再次,基于相机与激光雷达的信息融合对车辆进行识别并构建车辆信息地图。采用三次样条插值对相机与激光雷达信息实现时间上的配准,使... 

【文章来源】：哈尔滨理工大学黑龙江省

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

交通事故Fig.1-1Trafficaccident

智能驾驶技术的内容Fig.1-2Thecontentsofintelligentdrivingtechnology

（a）超声波雷达 （b）激光雷达 （c）毫米波雷达图 1-3 距离传感器Fig.1-3 Range sensor构建车辆周围信息地图是智能驾驶技术中的环境感知与信息处理部分，规划与智能控制的前提。提高智能驾驶系统对障碍物的自动理解能力，车辆乘坐的舒适性与安全性，避免交通拥挤，节约能源并有效降低尾气

【参考文献】：
期刊论文
[1]基于ORB-slam2改进的八叉树地图构建[J]. 周明超.  电脑知识与技术. 2018(34)
[2]一种基于决策距离测量与D-S证据理论结合的多源冲突证据信息融合算法[J]. 杨永旭,高自凡,朱辉,赵玄.  兰州文理学院学报(自然科学版). 2018(06)
[3]基于逻辑回归的车辆检测方法研究[J]. 蓝章礼,陈巍,杨扬.  电子设计工程. 2018(20)
[4]基于粒子群优化算法的目标运动参数估计[J]. 官善政,陈韶华,陈川.  水下无人系统学报. 2018(05)
[5]多传感器数据的处理及融合[J]. 陈英,胡艳霞,刘元宁,朱晓冬.  吉林大学学报(理学版). 2018(05)
[6]基于抗差岭估计的相机标定方法[J]. 王俊威,西勤,冯其强,郭迎刚,王永强.  测绘工程. 2018(09)
[7]基于深度数据的车辆目标检测与跟踪方法[J]. 陆德彪,郭子明,蔡伯根,姜维,王剑,上官伟.  交通运输系统工程与信息. 2018(03)
[8]基于EdgeBoxes与旋转不变特征的车辆检测[J]. 娄玉强,蒋华涛,常琳,李庆,陈大鹏.  信息技术与网络安全. 2018(05)
[9]基于改进块匹配的复杂背景下的车辆检测[J]. 刘逸,应捷.  电子测量技术. 2018(06)
[10]基于三阶贝塞尔曲线的AGV轨迹规划研究[J]. 刘学问,陶钧,徐海巍.  工业控制计算机. 2018(01)

硕士论文
[1]基于毫米波雷达的汽车主动防撞预警目标识别[D]. 韩星.吉林大学 2013



本文编号：3051689