基于多传感器融合的智能车道路障碍物检测

发布时间：2023-02-27 20:06

　　近年来,无人驾驶技术已成为国内外科技公司与汽车行业重点研发的对象,其核心技术包括环境感知、精确定位、路径规划、决策控制,涉及传感器、自动控制、通信等技术。道路障碍物检测与分类是无人自主车环境感知的关键组成部分,对无人自主车的安全行驶起到至关重要的作用。但复杂的道路环境,尤其是混合交通环境,给无人自主车的环境感知造成了极大的困难。使用单一传感器的感知方案感知精度低、鲁棒性差的缺点使其难以满足无人驾驶对环境感知的需求,而现有的多传感器融合方案又难以平衡检测精度与实时性,难以投入工程使用。本文利用智能驾驶车辆平台,设计了激光雷达与摄像头融合的环境感知算法,兼顾了检测精度与实时性,为智能驾驶车辆在无人驾驶工况下提供可靠的道路目标信息,保障行车安全。主要研究内容如下:(1)多传感器联合标定。通过对摄像头标定,获得其内参矩阵;通过解算多组配对的点云和图像像素之间的对应关系,获得激光雷达坐标系和摄像头坐标系之间的旋转矩阵和平移矩阵,实现两者外参的标定,即空间同步。并以激光雷达时间戳为基准,实现时间同步。点云至图像的投影效果显示,取得了较好的标定效果。(2)融合算法设计。针对现有激光雷达与摄像头融合的...

【文章页数】：94 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 智能驾驶车辆研究现状
    1.3 智能驾驶环境感知研究现状
        1.3.1 基于激光雷达的道路障碍物检测研究现状
        1.3.2 基于图像的道路障碍物检测研究现状
        1.3.3 基于多传感器融合的道路障碍物检测研究现状
    1.4 论文研究内容
第二章 传感器标定
    2.1 传感器介绍
        2.1.1 驾驶平台介绍
        2.1.2 摄像头介绍
        2.1.3 激光雷达介绍
    2.2 空间同步
        2.2.1 坐标系的选取
        2.2.2 摄像头内参标定
        2.2.3 激光雷达与摄像头联合标定
    2.3 时间同步
    2.4 标定试验
    2.5 本章小结
第三章 基于激光雷达的感兴趣区域(ROI)提取
    3.1 点云处理算法
        3.1.1 点云滤波
        3.1.2 地面点剔除
        3.1.3 点云聚类
    3.2 感兴趣区域提取
        3.2.1 栅格地图投影到图像
        3.2.2 ROI放大与合并
    3.3 本章小结
第四章 基于激光雷达ROI与视觉的障碍物检测
    4.1 神经网络简介
    4.2 YOLO介绍
    4.3 模型优化
        4.3.1 GIoU
        4.3.2 Soft-NMS
        4.3.3 模型剪枝
    4.4 试验结果
        4.4.1 数据集构建
        4.4.2 基础网络训练
        4.4.3 稀疏训练
        4.4.4 剪枝
        4.4.5 检测结果对比
    4.5 本章小结
第五章 点云分类与检测结果软加权
    5.1 点云分类简介
    5.2 基于IOU的图像点云目标匹配
    5.3 点云分类神经网络设计
    5.4 软加权平均
    5.5 试验结果
        5.5.1 数据集构建
        5.5.2 基础网络训练
        5.5.3 软加权平均结果
        5.5.4 实车试验
    5.6 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读硕士学位期间发表的论文及参加科研情况



本文编号：3751360