城市智能汽车多传感可行驶区域检测算法研究

发布时间：2021-04-22 20:45

　　城市智能汽车自动驾驶技术主要分为感知,决策和控制三部分,可行驶区域检测是环境感知中的重要组成部分,其检测准确性对于城市智能车位姿估计以及局部驾驶决策起到了至关重要的作用。可行驶区域主要分为道路边缘线清晰,结构化程度较高的结构化道路;道路车道线不清晰、道路宽度不一致的半结构化道路以及路面没有结构层,天然路面构成的非结构化道路。本文主要针对城市半结构化区域提出了一种基于多传感数据融合的道路分割算法,针对城市结构化区域提出了一种基于车道线空间特性的多任务车道线检测算法。由于半结构化区域缺少车道线信息,为了实现智能车局部定位以及局部路径规划功能,可行驶道路检测成为其关键技术之一。单一视觉传感器道路检测容易受到复杂室外光线变化,阴影遮挡影响,而激光雷达传感器几乎不受光照影响。为了消除室外环境对摄像头带来的冲击,增加复杂光照下道路分割的鲁棒性,本文设计了一种激光雷达和摄像头融合的半结构化可行驶道路分割网络C-LNet。首先针对激光雷达点云数据与图像数据的异质性,本文通过传感器空间同步,完成异质数据同一。其次考虑到多模态信息不同融合方式,本文基于神经网络设计了一种多尺度特征密集融合方式。相比其他融合... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 国内外智能车研究现状
        1.2.2 国内外可行驶区域检测算法研究现状
    1.3 研究内容
    1.4 本文章节安排
第二章 城市智能车可行驶区域检测算法综述
    2.1 引言
    2.2 卷积神经网络基础
    2.3 经典分割网络
        2.3.1 全卷积网络（FCN）
        2.3.2 SegNet网络
        2.3.3 ENet网络
    2.4 本章小结
第三章 图像-点云数据融合半结构化道路分割算法
    3.1 引言
    3.2 图像-激光雷达点云异质数据同一方式
        3.2.1 激光雷达投影数据稀疏性分析
        3.2.2 图像-点云数据空间同步
    3.3 图像-点云特征融合网络
        3.3.1 多尺度特征融合（MSFuse）结构
        3.3.2 图像-点云特征融合道路分割网络（C-LNet）
    3.4 实验结果与分析
    3.5 本章小结
第四章 基于空间非对称感受野结构化道路车道线检测算法
    4.1 引言
    4.2 车道线数据集及标注
    4.3 车道线检测网络结构设计
        4.3.1 编码器部分
        4.3.2 解码器部分
    4.4 模型训练
        4.4.1 损失函数定义
        4.4.2 模型训练方式
    4.5 实验结果与分析
    4.6 本章小结
第五章 可行驶区域检测实车验证
    5.1 实验平台
        5.1.1 智能车平台
        5.1.2 车载计算平台
        5.1.3 传感器平台
    5.2 可行驶区域软件系统搭建
        5.2.1 智能车软件系统
        5.2.2 可行驶区域系统节点
    5.3 实验结果与分析
        5.3.1 可行驶道路检测实验结果与分析
        5.3.2 车道线检测实验结果与分析
    5.4 本章小结
第六章 全文总结与展望
    6.1 全文总结
    6.2 后续工作展望
致谢
参考文献


【参考文献】：
期刊论文
[1]无人汽车发展动态浅析[J]. 王义,林麟.  世界电信. 2017(03)
[2]基于B样条曲线模型的结构化道路检测算法[J]. 许华荣,王晓栋,方遒.  自动化学报. 2011(03)
[3]基于变形模板和遗传算法的道路检测方法[J]. 刘铁,郑南宁,程洪,邢征北.  模式识别与人工智能. 2004(02)
[4]基于非同质性特征和样条模型的道路识别算法[J]. 程洪,郑南宁,赵莉,李青.  西安交通大学学报. 2004(04)
[5]基于视觉的道路跟踪[J]. 杨明,陆建业,王宏,张钹.  模式识别与人工智能. 2001(02)

博士论文
[1]无人驾驶汽车动态障碍物避撞关键技术研究[D]. 黄如林.中国科学技术大学 2017



本文编号：3154441