无人驾驶车辆双目视觉障碍物检测研究

发布时间：2021-10-14 10:08

　　无人驾驶技术是当今前沿科技的研究热点,它对社会和经济发展具有重大影响力。该技术涉及车载导航、车载通信、主动避障和自主巡航等多个问题,其中障碍物检测是核心问题。障碍物检测主要有双目视觉障碍物检测技术,包括双目图像获取、立体匹配和障碍物检测三个部分。本文围绕立体匹配和障碍物检测两个部分展开研究,分析讨论相应的技术方法。论文的主要研究工作包括以下三个方面:（1）针对无人驾驶场景,研究卷积神经网络立体匹配技术。在分析卷积神经网络结构及相关立体匹配技术的基础上,改进网络结构,设计非对称核心-孪生卷积神经网络（Asymmetric Kernel-Siamese Convolutional Neural Network,AK-SCNN）,计算匹配代价,最终实现视差计算。通过实验分析,完成最佳网络结构等超参数的选择;与传统局部匹配算法相比,误匹配率更低。（2）研究V视差图障碍物检测方法。首先,研究V视差原理和V视差图中的面投影特征。然后,在分析传统V视差法基础上,依据极大最小值约束和距离约束,提出路面斜线自适应阈值提取算法,改进V视差法。实验结果表明,改进的方法能够有效检测出障碍物区域,相对传统方法提... 

【文章来源】：江苏科技大学江苏省

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

不同道路环境

该方法避免了道路平面假设，在复杂路面环境中能够有效地寻找出障碍物像素点。但该算法计算量大，实时性差且对噪声十分敏感。对此，Sanata 提出了改进方法[37]，使用支持度滤波算法和空间多分辨率(Space Variant Resolution, SVR)算法，降低计算复杂度，消除对噪声的敏感性。2010 年，F. Oniga[38]将测绘学中的数字高程图(Digital Elevation Map, DEM)引到障碍物检测算法中，将获得的道路场景三维点云投射在水平面上，得到场景的数字高程图，将三维点的高度检测转化为二维平面的亮度检测，降低了三维搜索的复杂性，在 DEM 中采用 RANSAC 算法拟合出路平面，实现障碍物检测。2014 年，R. Danescu 等人[39]对基于 DEM 的障碍物检测算法进行改进，应用粒子滤波策略实现 DEM 追踪，称之为动态 DEM，进一步的提高检测速度。1.4 论文主要研究内容与章节安排双目视觉障碍物检测技术，包含双目图像获取、立体匹配和障碍物检测三个部分，如图 1.2 所示。本文研究立体匹配和障碍物检测两个部分。

第 2 章 双目视觉及立体匹配原理觉障碍物检测方法的流程为双目相机采集图像，通过立体后通过障碍检测方法分离出障碍物区域和可通行区域匹配技术有关。本章将详细介绍双目视觉原理和相应的立觉原理原理觉技术是模拟人眼成像的仿生技术，能够像人眼一样恢复算机视觉中重要组成部分。双目视觉技术的实现是先通取场景的两幅图像信息，利用双目成像原理和几何关系获。

【参考文献】：
期刊论文
[1]一种散乱点云的均匀精简算法[J]. 李仁忠,杨曼,刘阳阳,张缓缓.  光学学报. 2017(07)
[2]无人驾驶汽车研究综述与发展展望[J]. 潘福全,亓荣杰,张璇,张丽霞.  科技创新与应用. 2017(02)
[3]昆虫视觉启发的光流复合导航方法[J]. 潘超,刘建国,李峻林.  自动化学报. 2015(06)
[4]基于视差空间V-截距的障碍物检测[J]. 曹腾,项志宇,刘济林.  浙江大学学报(工学版). 2015(03)
[5]双目立体视觉匹配技术综述[J]. 曹之乐,严中红,王洪.  重庆理工大学学报(自然科学). 2015(02)
[6]自主导航农业车辆的全景视觉多运动目标识别跟踪[J]. 李盛辉,田光兆,姬长英,周俊,顾宝兴,王海青.  农业机械学报. 2015(01)
[7]基于改进梯度和自适应窗口的立体匹配算法[J]. 祝世平,李政.  光学学报. 2015(01)
[8]智能汽车技术发展趋势[J]. 陈慧,徐建波.  中国集成电路. 2014(11)
[9]基于图像分割的立体匹配算法[J]. 颜轲,万国伟,李思昆.  计算机应用. 2011(01)
[10]基于八叉树编码的点云数据精简方法[J]. 邵正伟,席平.  工程图学学报. 2010(04)

博士论文
[1]城市环境下无人驾驶智能车感知系统若干关键技术研究[D]. 陈龙.武汉大学 2013
[2]双目立体视觉深度感知与三维重建若干问题研究[D]. 罗桂娥.中南大学 2012

硕士论文
[1]基于立体视觉的障碍物检测研究[D]. 马超.中南大学 2014
[2]无人驾驶智能车的导航系统研究[D]. 王培.西安工业大学 2012



本文编号：3435953