当前位置:主页 > 科技论文 > 信息工程论文 >

基于激光与视觉信息融合的运动目标检测关键技术研究

发布时间:2021-09-03 22:41
  智能环境感知作为自动驾驶领域的重要组成部分,其目的在于通过收集传感器数据来对驾驶环境进行有效建模,而运动目标检测则是这一过程中最核心和关键的部分。在拥挤的交通环境对多个运动目标进行检测一直是一项极具挑战性的任务,面临着实际环境中复杂的场景结构、光照条件突变、阴影干扰和动态背景等诸多难题,上述挑战与困难使得自动驾驶中运动目标检测成为一项较难解决的问题。因此构建一个高鲁棒性、高精度的运动目标检测模型具有重要意义。本文结合激光雷达点云数据和视觉图像数据,基于深度学习网络和运动检测理论,开展了驾驶环境中的人车目标分类识别和运动检测算法研究,具体研究内容如下:(1)研究了激光雷达和图像传感器的原理,对采集的数据进行分析,针对点云数据稀疏无序、难以直接利用的特点,引入三角线性插值和随机采样一致性,提出了一种基于深度图的激光雷达点云稠密化及地面去除算法,将点云图像化并构建图像化点云数据集,保证了点云数据的有效性,并对数据的融合方式进行了对比和探讨。(2)研究了基于深度学习的目标检测算法。以自动驾驶感兴趣的人车等运动目标作为检测对象,针对驾驶环境场景结构复杂的问题并考虑到嵌入式平台计算性能的限制,本文... 

【文章来源】:电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】:89 页

【学位级别】:硕士

【部分图文】:

基于激光与视觉信息融合的运动目标检测关键技术研究


三角测距激光雷达原理图

光流,约束方程


电子科技大学硕士学位论文12度的时间变化进行表示。以一维信号为例,设光强为I,则有公式如下:I(x(t),t)I(x(tdt),tdt)(2-5)对式(2-5)两边求导可得公式如下:()()=0txtxtxxIIIvttI(2-6)将以上结果推导到二维可得光流约束方程如下:TxxyytIVIVIVI(2-7)图2-3光流约束方程式(2-7)中的Và0即为所求的光流常如图2-3所示,Và0包含u、v两个分量,分别为水平和垂直方向的光流,而实际求解的光流为二维向量场,每个向量包含u、v两个分量,u、v也可以表示成幅度和幅角的形式。可以发现,光流约束方程中存在两个待求解变量,因而无法通过式(2-7)直接求解,这就造成了光流算法中著名的孔径问题(apertureproblem)。为了解决上述问题,需要构造新的方程或对已有方程进一步施加约束,现有光流算法大都基于此而进行发展和研究。基于光流算法和视觉芯片[46],光流传感器也逐渐出现在人们的视野里,如图2-4所示。光流传感器作为获取的光流的一种手段,是一种能够测量光流或视觉运动并基于光流输出测量结果的视觉传感器,在无人机等机器人设备上得到广泛使用。图2-4光流传感器

光流,传感器


电子科技大学硕士学位论文12度的时间变化进行表示。以一维信号为例,设光强为I,则有公式如下:I(x(t),t)I(x(tdt),tdt)(2-5)对式(2-5)两边求导可得公式如下:()()=0txtxtxxIIIvttI(2-6)将以上结果推导到二维可得光流约束方程如下:TxxyytIVIVIVI(2-7)图2-3光流约束方程式(2-7)中的Và0即为所求的光流常如图2-3所示,Và0包含u、v两个分量,分别为水平和垂直方向的光流,而实际求解的光流为二维向量场,每个向量包含u、v两个分量,u、v也可以表示成幅度和幅角的形式。可以发现,光流约束方程中存在两个待求解变量,因而无法通过式(2-7)直接求解,这就造成了光流算法中著名的孔径问题(apertureproblem)。为了解决上述问题,需要构造新的方程或对已有方程进一步施加约束,现有光流算法大都基于此而进行发展和研究。基于光流算法和视觉芯片[46],光流传感器也逐渐出现在人们的视野里,如图2-4所示。光流传感器作为获取的光流的一种手段,是一种能够测量光流或视觉运动并基于光流输出测量结果的视觉传感器,在无人机等机器人设备上得到广泛使用。图2-4光流传感器

【参考文献】:
期刊论文
[1]多源信息融合技术研究综述[J]. 李洋,赵鸣,徐梦瑶,刘云飞,钱雨辰.  智能计算机与应用. 2019(05)
[2]基于激光雷达和相机信息融合的目标检测及跟踪[J]. 常昕,陈晓冬,张佳琛,汪毅,蔡怀宇.  光电工程. 2019(07)
[3]激光雷达技术研究现状及其应用[J]. 李鑫慧,郭蓬,臧晨,戎辉,唐风敏.  汽车电器. 2019(05)
[4]基于空间三角测距的激光雷达三维重建实验系统[J]. 陈梦雯,迟克浩,陈文娟.  物理实验. 2019(03)
[5]改进的ViBe算法及其在交通视频处理中的应用[J]. 闵卫东,郭晓光,韩清.  光学精密工程. 2017(03)
[6]基于帧差法和背景差法的运动目标检测[J]. 张应辉,刘养硕.  计算机技术与发展. 2017(02)
[7]基于改进混合高斯模型的运动物体检测研究[J]. 黄东军,杨颖华.  计算机应用研究. 2017(06)
[8]基于Vibe的鬼影抑制算法[J]. 陈亮,陈晓竹,范振涛.  中国计量学院学报. 2013(04)
[9]Delaunay三角剖分的几种算法综述[J]. 吴莉莉.  科技信息. 2011(28)
[10]Delaunay三角剖分插值用于超分辨成像[J]. 李光伟,陈志杰,李建勋.  电子科技大学学报. 2009(04)

博士论文
[1]光电成像目标识别与检测关键技术研究[D]. 钟剑丹.电子科技大学 2018



本文编号:3382006

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3382006.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户dce9f***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com