面向自动驾驶的双传感器信息融合目标检测及姿态估计

发布时间：2021-01-16 13:49

　　自动驾驶是当前人工智能研究的一个重要方向,人们对于智能化交通的诉求使得这一研究方向具有极大的实用价值。自动驾驶车辆往往搭载多种类型的传感器,常见的有行车记录仪和激光雷达。各种传感器不同的特性决定了单一的传感器只能提供环境的部分信息,因此为了获取车辆周围更详细的环境信息,实现多传感器数据的融合尤为必要。目标检测是自动驾驶研究的关键技术之一,准确且快速地对车辆周围障碍物进行检测能够给自动驾驶车辆提供有效的避障信息,保证车辆的安全行驶。随着计算机视觉技术的发展,目标检测技术已经从过去的二维检测逐步向三维空间目标检测方向发展,在自动驾驶领域,高精度的三维目标姿态估计能够进一步提高自动驾驶车辆的安全性。基于此,本文研究基于双传感器信息融合的三维物体姿态估计。首先,本文对基于RGB图像的目标检测算法进行研究。RGB图像是自动驾驶车辆上常见而且重要的信息来源,基于RGB图像的目标检测技术发展较为成熟。在对三种类型的目标检测算法介绍和分析的基础上,本文选取基于回归的目标检测算法进行改进。对改进前后的算法在公开数据集和本地采集数据上进行实验,实验结果较为全面地体现了改进算法的优越性。其次,本文对基于RG... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

KITTI数据采集平台KITTI数据集提供的真值标签包含16个不同参数，各自含义如表2-3所

图 2-7 KITTI 验证集车辆检测结果 ROC 曲线：(a)原始算法检测结果；(b)改进算法检测结果；(c)(d)(e)分别为三种困难模式数据改进前后检测效果对比图在图 2-7 中，(a)、(b)分别为改进前后的车辆检测结果，可以看出，三个困难模式的车辆中，检测能力是简单目标大于中等目标大于困难目标，符合认知规律。(c)、(d)、(e)分别在三个困难模式下对改进前后的算法检测能力进行对比，可以看出，改进算法的检测能力优于原始算法。表 2-4 给出不同虚警率时改进前后算法的检测率。可以看出，在虚警率一定时，改进算法的检测率均高于原始算法。在虚警率为 10%时改进算法与原始算法相比在三个困难模式下的检测率分别高出 9.52%、14.46%和 12.28%

右列为改进算法检测结果。(a)中车辆在道路正前方，但是在图中占据像素少且光线较暗难以检测，原始算法并未检测到，而改进算法检测到了该车辆；(b)中车辆较多，原始算法对于远方的小车辆产生一个漏检，改进算法检测到了该车辆；(c)中原始算法只检测到一辆车，改进算法检测到前方的多辆车，但是产生了一定的虚警。综上，在 KITTI 数据集上的实验表明，相较于原始算法，改进算法的检测率有明显的提升，虽然存在一定的虚警，但是总体性能优于原始的算法。

【参考文献】：
期刊论文
[1]基于深度学习的目标检测算法综述[J]. 周晓彦,王珂,李凌燕.  电子测量技术. 2017(11)
[2]基于虚拟标定场的数码相机内参数标定方法[J]. 吴少平,张爱武,臧克.  系统仿真学报. 2006(S2)

博士论文
[1]视频跟踪中的目标建模及相似性度量研究[D]. 周瑜.华中科技大学 2014
[2]多机器人编队导航若干关键技术研究[D]. 蒋荣欣.浙江大学 2008

硕士论文
[1]移动机器人全局定位与运动目标检测方法研究[D]. 葛振华.中国科学技术大学 2018
[2]自动驾驶场景下的车辆检测技术研究[D]. 黄鸿胜.广东工业大学 2018
[3]基于深度学习的目标检测算法研究[D]. 温捷文.广东工业大学 2018
[4]三维数字模型投射器研制[D]. 刘慧琰.郑州大学 2018
[5]基于深度学习的目标检测算法研究[D]. 张志豪.电子科技大学 2018
[6]基于未标定相机双目视觉的3D重构技术研究[D]. 漆丽君.哈尔滨工业大学 2017
[7]基于卷积神经网络特征共享与目标检测的跟踪算法研究[D]. 李贺.武汉大学 2017
[8]室外三维点云采集系统研究[D]. 蒋峥.南京大学 2016
[9]大规模道路场景致密语义地图构建[D]. 江文婷.浙江大学 2016
[10]基于多层融合方法的人脸表情识别研究[D]. 张艳华.北京工业大学 2014



本文编号：2980941