基于3D激光雷达的地面目标检测方法与应用
发布时间：2022-09-17 13:23
自动驾驶系统是一种集地图引擎、高精度定位、环境感知、预测、规划决策和运动控制于一体的人工智能平台,在缓解交通压力、改善交通环境等方面具有广阔应用场景。随着人们对自动驾驶的研究不断深入,智能车在复杂道路环境中行驶时,需要对周围环境不断分析处理,得到精确的障碍物信息。由于激光雷达响应速度灵敏、抗干扰能力强、分辨率高等特点,在自动驾驶系统中起着至关重要的作用。本文围绕车载激光雷达和路侧激光雷达,重点研究了道路交通场景中行人、车辆等目标检测分类方面的内容,主要研究内容如下:（1）提出了制作离线栅格地图滤除无效区域点云的方法。为了排除无效行驶区域对目标检测的影响,可制作离线栅格地图滤除与行驶区域无关的点云数据。针对部分区域受建筑物遮挡等影响造成的RTK采集位置信息不准确问题,本文采用一元多项式回归方法确定高斯投影x轴坐标与高斯投影y轴坐标的对应关系,拟合得到完整道路边界信息。根据道路边界对区域栅格化处理,得到离线栅格地图,本方法相对ear-clipping制作的栅格地图更精确。最后根据离线栅格地图与雷达扫描区域标签“与”操作,提取有效区域点云数据。（2）设计了基于多层次欧式聚类的车载激光雷达点云...
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 无人驾驶感知与点云检测现状
1.2.1 无人驾驶环境感知现状
1.2.2 点云目标检测现状
1.3 本文主要工作
1.4 文章结构
2 点云目标检测关键算法分析
2.1 三维激光雷达选型
2.2 激光雷达数据解析
2.3 数据处理关键技术
2.3.1 线性回归
2.3.2 主成分分析
2.4 深度学习关键算法分析
2.4.1 卷积神经网络
2.4.2 循环神经网络
2.4.3 批量标准化
2.5 本章小结
3 车载激光雷达点云目标检测系统设计
3.1 车载雷达点云目标检测系统框架
3.2 双目激光雷达点云校正融合
3.3 基于多项式回归的离线栅格地图点云过滤法
3.3.1 离线栅格地图过滤法框架
3.3.2 采集道路边界信息
3.3.3 报文数据预处理
3.3.4 多项式回归拟合道路边界
3.3.5 提取有效区域点云数据
3.4 障碍物特征检测分类
3.4.1 基于射线分割的地面点滤除法
3.4.2 分层次欧氏聚类法
3.4.3 基于几何特征的检测分类
3.5 本章小结
4 路侧激光雷达点云目标检测系统设计
4.1 路侧激光雷达目标检测系统流程
4.1.1 深度学习点云目标检测常用方法
4.1.2 路侧激光雷达点云目标检测系统框架
4.2 点云预处理
4.2.1 点云投影降维
4.2.2 数据切割
4.3 基于Squeeze Seg算法模型的构建
4.3.1 网络模型框架
4.3.2 解决模糊边界问题
4.4 基于Voxel Net算法模型的构建
4.4.1 特征提取
4.4.2 卷积中间层和区域生成网络
4.4.3 损失函数
4.5 本章小结
5 实验验证与分析
5.1 实验数据
5.1.1 KITTI数据集
5.1.2 自动驾驶实测数据
5.2 点云数据集制作
5.3 车载雷达感知实验结果与分析
5.3.1 滤除无效区域对比分析
5.3.2 地面点过滤分析
5.3.3 目标聚类实验对比分析
5.3.4 障碍物检测分类对比分析
5.4 路侧雷达感知实验结果与分析
5.4.1 实验结果
5.4.2 路侧雷达点云目标检测系统实验对比分析
5.5 本章小结
总结与展望
总结
展望
参考文献
致谢
攻读硕士学位期间科研成果
【参考文献】：
期刊论文
[1]一种新的网络RTK电文格式编码解码方法[J]. 张风,王庆,潘树国. 测控技术. 2010(10)
[2]多级移动曲面拟合LIDAR数据滤波算法[J]. 苏伟,孙中平,赵冬玲,孙崇利,张超,杨建宇. 遥感学报. 2009(05)
博士论文
[1]自主驾驶汽车智能控制系统[D]. 孙振平.国防科学技术大学 2004
本文编号：3679304
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 无人驾驶感知与点云检测现状
1.2.1 无人驾驶环境感知现状
1.2.2 点云目标检测现状
1.3 本文主要工作
1.4 文章结构
2 点云目标检测关键算法分析
2.1 三维激光雷达选型
2.2 激光雷达数据解析
2.3 数据处理关键技术
2.3.1 线性回归
2.3.2 主成分分析
2.4 深度学习关键算法分析
2.4.1 卷积神经网络
2.4.2 循环神经网络
2.4.3 批量标准化
2.5 本章小结
3 车载激光雷达点云目标检测系统设计
3.1 车载雷达点云目标检测系统框架
3.2 双目激光雷达点云校正融合
3.3 基于多项式回归的离线栅格地图点云过滤法
3.3.1 离线栅格地图过滤法框架
3.3.2 采集道路边界信息
3.3.3 报文数据预处理
3.3.4 多项式回归拟合道路边界
3.3.5 提取有效区域点云数据
3.4 障碍物特征检测分类
3.4.1 基于射线分割的地面点滤除法
3.4.2 分层次欧氏聚类法
3.4.3 基于几何特征的检测分类
3.5 本章小结
4 路侧激光雷达点云目标检测系统设计
4.1 路侧激光雷达目标检测系统流程
4.1.1 深度学习点云目标检测常用方法
4.1.2 路侧激光雷达点云目标检测系统框架
4.2 点云预处理
4.2.1 点云投影降维
4.2.2 数据切割
4.3 基于Squeeze Seg算法模型的构建
4.3.1 网络模型框架
4.3.2 解决模糊边界问题
4.4 基于Voxel Net算法模型的构建
4.4.1 特征提取
4.4.2 卷积中间层和区域生成网络
4.4.3 损失函数
4.5 本章小结
5 实验验证与分析
5.1 实验数据
5.1.1 KITTI数据集
5.1.2 自动驾驶实测数据
5.2 点云数据集制作
5.3 车载雷达感知实验结果与分析
5.3.1 滤除无效区域对比分析
5.3.2 地面点过滤分析
5.3.3 目标聚类实验对比分析
5.3.4 障碍物检测分类对比分析
5.4 路侧雷达感知实验结果与分析
5.4.1 实验结果
5.4.2 路侧雷达点云目标检测系统实验对比分析
5.5 本章小结
总结与展望
总结
展望
参考文献
致谢
攻读硕士学位期间科研成果
【参考文献】：
期刊论文
[1]一种新的网络RTK电文格式编码解码方法[J]. 张风,王庆,潘树国. 测控技术. 2010(10)
[2]多级移动曲面拟合LIDAR数据滤波算法[J]. 苏伟,孙中平,赵冬玲,孙崇利,张超,杨建宇. 遥感学报. 2009(05)
博士论文
[1]自主驾驶汽车智能控制系统[D]. 孙振平.国防科学技术大学 2004
本文编号：3679304
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3679304.html
