越野场景的道路检测

发布时间：2021-05-25 13:03

　　无人驾驶技术在越来越多的场景下都得到了广泛应用。越野环境下无人驾驶技术是军用地面无人平台的基础,其中道路检测作为无人驾驶系统的一个重要组成部分,在环境感知和路径规划中都起着至关重要的作用,是无人平台自主能力的重要支撑。与城市环境车道线检测不同,越野环境的道路更加复杂。本文针对越野场景下的道路检测及其在局部路径规划中的应用做了系统的研究。本论文的主要创新包括如下两点:第一,在工程应用研究方面,我们研究了道路检测技术在野外地面无人平台的自主导航中的应用落地。本文基于现有的基于离散道边点表示的道路模型,使用端到端的卷积神经网络进行预测;然后将算法集成到野外军用车载平台上,对车载相机采集的彩色图片进行实时预测。同时,我们提出利用图像道边检测进行局部路径规划的方案。首先进行相机的内参标定,以及相机与规划坐标系之间的外参标定,得到图像平面与规划平面之间的单应性矩阵。通过将图像中检测出的道边点投影到规划坐标系下,无人车可以在没有精确定位信息的情况下进行鲁棒的局部路径规划。根据实际环境情况,本文在投影的时候还提出了结合实时的车体姿态信息修正投影单应性矩阵和投影结果多帧融合等优化策略。第二,在理论研究方... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
1 绪论
    1.1 研究的背景与意义
    1.2 国内外研究现状
    1.3 论文内容与结构
2 基于离散道边点的道路检测及其在路径规划中的应用
    2.1 道路模型
    2.2 网络结构
    2.3 离散道边点的投影
        2.3.1 单应性矩阵估计
        2.3.2 单应性矩阵标定
        2.3.3 单应性矩阵修正
    2.4 基于离散道边点的局部路径规划
        2.4.1 道边点拟合及优化
        2.4.2 岔路口的道路选择
    2.5 模型训练
        2.5.1 数据的采集与处理
        2.5.2 损失函数
        2.5.3 损失曲线
    2.6 实验结果分析
        2.6.1 图像检测结果分析
        2.6.2 投影结果分析
        2.6.3 规划结果分析
    2.7 本章小结
3 基于曲线预测的道路检测算法
    3.1 道路模型
        3.1.1 道路的曲线模型
        3.1.2 多项式函数表示
        3.1.3 三角函数表示
    3.2 模型训练
        3.2.1 数据的采集和处理
        3.2.2 网络结构
        3.2.3 损失函数
        3.2.4 损失曲线
    3.3 模型评估
        3.3.1 评估标准
        3.3.2 多项式模型与三角函数模型比较
        3.3.3 曲线自由度实验
        3.3.4 曲线系数正则项权重实验
    3.4 误检漏检分析
    3.5 岔路口分析
    3.6 本章小结
4 总结与展望
    4.1 本文工作总结
    4.2 未来工作展望
参考文献
作者在学期间所取得的科研成果


【参考文献】：
期刊论文
[1]矮化密植枣园收获作业视觉导航路径提取[J]. 彭顺正,坎杂,李景彬.  农业工程学报. 2017(09)
[2]基于机器视觉的农田机械导航线提取算法研究[J]. 刁智华,王会丹,宋寅卯.  农机化研究. 2015(02)
[3]采用Hough变换的道路边界检测算法[J]. 史晓鹏,何为,韩力群.  智能系统学报. 2012(01)
[4]基于3D激光雷达的实时道路边界检测算法[J]. 刘梓,唐振民,任明武.  华中科技大学学报(自然科学版). 2011(S2)

博士论文
[1]深度学习算法在无人驾驶视觉中的应用[D]. 蔡惠民.西安电子科技大学 2018



本文编号：3205388