基于图像和激光雷达融合的车辆检测研究
发布时间:2024-03-30 23:56
车辆检测是解决交通安全和交通拥堵的关键技术之一,其是智能交通系统中最基础的一环。面向智能车的多传感器检测融合具有提高系统性能的优点,能有效为智能车提供准确、可靠且具有鲁棒性的周围车辆信息。目前车辆检测算法已经比较成熟,而多传感器检测关联的准确率在目标密集环境下还有待提高。本文采用当前主流成熟的检测算法实现图像和激光雷达的车辆检测,提出一种基于一致点漂移匹配的多传感器车辆检测关联算法,采用协方差交叉算法对关联结果进行融合,并通过实验验证了本文方法的有效性。本文的主要工作如下:1.本文首先介绍了面向智能车的车辆检测研究背景和意义,总结了车辆检测和多传感器信息融合的国内外研究现状,提出了本文的研究课题,并详细阐述了本课题中采用的相关技术和算法。2.提出了一种面向图像基于Haar和Adaboost的车辆检测算法,首先通过大量正负样本进行Haar特征提取,建立特征值向量,然后将基于Adaboost算法建立的弱分类器加权组合成强分类器,从而构建级联分类器,进行车辆检测。并提出了一种基于L型的激光雷达车辆检测算法,首先对点云数据进行预处理和聚类,然后提取聚类簇内部特征,与L型特征进行匹配,实现车辆检...
【文章页数】:69 页
【学位级别】:硕士
【部分图文】:
本文编号:3943136
【文章页数】:69 页
【学位级别】:硕士
【部分图文】:
图5.1行人检测与识别任务示意图
博士学位论文?白动驾驶车辆的道路环境理解关键技术研究??5基于激光雷达和图像数据融合的行人检测方法??5.1引言??行人检测与识别的任务目标,是在自动驾驶车辆探索环境时,识别可感知范围内??的行人目标,并把这些目标和背景环境区分开来对于输入的数据(通常为一??副图像或者一些激光雷....
图2.1图像的感兴趣区域
图2.1图像的感兴趣区域度化。将原始的RGB彩色图像转化成灰度图像的过色图像中,图像上每一个像素点的颜色都由R、G、分量每一个分量从0-255被分成了256级。于是每一个
图2.2图像灰度化效果图
(a)原图(b)灰度化图像图2.2图像灰度化效果图3.图像去噪处理。未经处理的原数字图像在电气设备和外界影响下都会产声[43]。这些噪声干扰会让图像的质量变差,影响图像的识别。噪声会降低图像质
图2.3中值滤波(模板3*3)
11图2.3中值滤波(模板3*3)图2.4高斯滤波(1)
本文编号:3943136
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3943136.html
最近更新
教材专著