基于面阵三维成像激光雷达的目标姿态测量
发布时间：2022-01-09 14:54
动态目标相对位姿测量作为三维形态识别和运动轨迹跟踪的关键技术,被广泛应用于空间在轨服务,自动驾驶,智能机器人等领域。随着应用领域的扩展,合作及半合作目标的探测已经无法满足现代化工业和科技的需求,对非合作目标探测将成为未来技术发展的重要方向。非合作目标无法提供便于位姿识别的合作信息,因此如何利用硬件成像系统捕获更多有用信息,设计鲁棒性更好、运行效率更高的位姿测量算法,成为非合作目标姿态测量的关键。为解决先验信息缺失,远距离测距精度低等问题,通过对关键技术的改进和创新,基于面阵三维成像激光雷达开展非合作动态目标位姿测量技术研究。首先,本论文以偏振调制的激光三维成像方法为基础,确立了高分辨率面阵三维成像系统的详细理论技术方案。通过对电光晶体偏振调制特性分析,提出基于偏振三维成像的系统误差标定方法,解决成像精度低、成像视场受限的问题,实现对远距离动态目标的高精度快速三维成像,为远距离非合作动态目标的探测及位姿测量提供硬件系统基础。其次,针对传统三维点云分割方法数据量大,算法收敛速度慢等问题,基于新型面阵激光雷达特有的成像机制和系统结构,提出多维数据融合的解决思路,将目标主体点云与复杂环境背景分...
【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】：153 页
【学位级别】：博士
【部分图文】：
空间在轨服务
梢酝ü?姹鹎俺档奈蛔吮浠?魇剖迪肿远?ㄖ??颍?惚芙下?的前车等功能，应用前景不可估量。GMcruise是通用汽车旗下研发无人驾驶的公司，全车配备16个相机用于检测跟踪行人、自行车、交通灯、可行驶区域，5个激光雷达用于检测静态物体和动态目标的位姿，并于2018年实现40km/h的封闭公路测试[25]。此外，戴姆勒博世公司，福特汽车，宝马等都已经开始布局无人驾驶领域，所有无人驾驶技术都离不开相机与毫米波雷达，而随着激光雷达技术的成熟，越来越多的研发机构选择用可以提供目标物体高精度深度信息的激光雷达[26]，如图1-2。(a)(b)图1-2激光雷达在无人驾驶和在轨服务中的应用。(a)美国斯坦福大学参加DARPA举办的智能车挑战赛;(b)戴姆勒公司无人驾驶示意图从自动驾驶技术的革新可以发现，该技术不仅需要成熟稳健的算法作为支持，更重要的是高灵敏度视觉传感器在场景内目标捕获技术上的优化，目前的多传感器融合以及未来激光雷达技术的成熟，会对动态目标位姿判断起重要作用。
电子科技大学博士学位论文6(a)(b)(c)图1-3双目视觉测量流程[3]。(a)深度图恢复；(b)点云配准；(c)位姿求解日本航天研究院利用立体视觉和三维模型匹配对在轨故障卫星进行运动估计[39]，通过立体视觉技术获取非合作目标的三维信息，并通过与点云模型匹配来推算目标的位姿参数，由于这个过程算法复杂且耗时，只可用于事后处理，无法实现对运动非合作目标的实时姿态测量。Technion学院的Segal团队[40]同样通过双目视觉测量技术实现了对非合作目标在轨任务中的姿态测量，不同之处在于该团队利用Bayes和Kalman滤波的方法完成位姿测算，在提高位置信息与旋转角度精度的同时，可以预估下一时刻的运动轨迹。国内对于双目视觉测量技术也开展了深入的研究，哈尔滨工业大学控制智能系统研究所许文付[41]等人提出基于立体视觉的目标识别与姿态测量方法，当空间机器人为指定卫星服务的情况下，提出相应的三角形支持面板识别算法，并完成三维结构重建。实现在有效工作范围5m以内的探测条件下，位置误差小于0.04m，姿态误差小于3°。中国科学院光电技术研究所的颜坤[31]团队，哈尔滨工业大学的刘通[42]等科研人员均对双目视觉技术进行了深入的研究，并对算法部分做了提升，实现目标三维结构的实时重建。多视觉探测器立体视觉技术的本质为交叉测量法，具体可分为共线测量法、投影测量法、空间解析曲线三维测量法和目标中轴测量法等。共线方程测量法根据图像和摄像中心二者基线恒定在唯一的平面上的原理，通过求解交叉平面方程确定基线坐标位置[43]。该方法需要两个或以上的视觉测量器件同步工作，并使用最小二乘法求解方程[44]。但当基线与两个视觉测量器件所在平面平行时，无法完成测量。投影矩阵测量采用齐次方程求解目标三维姿态，与共?
【参考文献】：
期刊论文
[1]三维扫描激光雷达系统设计及实时成像技术[J]. 李小路,曾晶晶,王皓,徐立军. 红外与激光工程. 2019(05)
[2]基于EPNP算法的单目视觉测量系统研究[J]. 张慧娟,熊芝,劳达宝,周维虎. 红外与激光工程. 2019(05)
[3]戴姆勒:稳步推进无人驾驶与共享出行[J]. 李忠东. 汽车与配件. 2018(35)
[4]特斯拉MODEL X 实用+性能 即是未来[J]. ALLEN. 体育博览. 2018(12)
[5]单目序列的刚体目标位姿测量[J]. 赵丽科,郑顺义,王晓南,黄霞. 浙江大学学报(工学版). 2018(12)
[6]无扫描激光三维成像雷达研究进展及趋势分析[J]. 卜禹铭,杜小平,曾朝阳,赵继广,宋一铄. 中国光学. 2018(05)
[7]基于RGB-D三维点云目标分割[J]. 陈国军,孔李燕,张清伟,杨静. 计算机技术与发展. 2018(12)
[8]人工智能视角下的无人驾驶技术分析与展望[J]. 郭旭. 电子世界. 2017(20)
[9]基于双目立体视觉的三维信息快速大尺度测量系统[J]. 杨巍. 电子设计工程. 2017(06)
[10]Velodyne激光雷达宣布将GaN技术用于小型化低成本固态激光雷达传感器的新设计[J]. 戴朝典. 汽车电器. 2017(01)
博士论文
[1]基于主被动融合的非合作目标重建与位姿测量研究[D]. 张壮.中国科学院大学(中国科学院光电技术研究所) 2019
[2]基于超体素的三维数据分割方法研究[D]. 刘晓妮.吉林大学 2019
[3]基于双目视觉的空间非合作目标姿态测量技术研究[D]. 颜坤.中国科学院大学(中国科学院光电技术研究所) 2018
[4]空间翻滚目标的位姿测量及其双臂捕获机器人的轨迹规划[D]. 彭键清.哈尔滨工业大学 2018
[5]基于结构化预测的道路场景理解技术研究[D]. 肖良.国防科技大学 2017
[6]基于偏振调制的激光三维成像方法研究[D]. 陈臻.中国科学院大学(中国科学院光电技术研究所) 2017
[7]阵列激光三维成像点云数据配准技术研究[D]. 王岩.中国科学院长春光学精密机械与物理研究所 2016
[8]无人驾驶车辆环境感知系统关键技术研究[D]. 王俊.中国科学技术大学 2016
[9]相位编码合成孔径激光雷达关键技术研究[D]. 李飞.中国科学院研究生院(上海技术物理研究所) 2016
[10]光电经纬仪跟踪飞机的3D计算机视觉研究[D]. 王习文.中国科学院研究生院（长春光学精密机械与物理研究所） 2010
硕士论文
[1]基于局部不变特征和点云配准的目标识别与定位技术研究[D]. 于达.哈尔滨工业大学 2018
[2]面向无人驾驶车辆的多雷达检测与跟踪技术研究[D]. 王昶人.北京工业大学 2018
[3]基于Kinect的大场景三维重建[D]. 张桥松.电子科技大学 2018
[4]基于计算机视觉和深度学习的自动驾驶方法研究[D]. 白辰甲.哈尔滨工业大学 2017
[5]冰桥计划机载测高在西南极Thwaites冰川的应用研究[D]. 黄科伟.武汉大学 2017
[6]电子倍增CCD成像性能测试系统研究[D]. 余敏.南京理工大学 2017
[7]基于面阵CCD三维实时成像技术的研究[D]. 王淞.浙江大学 2016
[8]基于ORB算法的双目视觉测量研究[D]. 王昌盛.哈尔滨工业大学 2015
[9]室外场景三维点云数据的分割与分类[D]. 宋立鹏.大连理工大学 2015
[10]月面探测中视觉定位技术研究[D]. 李晶.重庆大学 2015
本文编号：3578925
【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】：153 页
【学位级别】：博士
【部分图文】：
空间在轨服务
梢酝ü?姹鹎俺档奈蛔吮浠?魇剖迪肿远?ㄖ??颍?惚芙下?的前车等功能，应用前景不可估量。GMcruise是通用汽车旗下研发无人驾驶的公司，全车配备16个相机用于检测跟踪行人、自行车、交通灯、可行驶区域，5个激光雷达用于检测静态物体和动态目标的位姿，并于2018年实现40km/h的封闭公路测试[25]。此外，戴姆勒博世公司，福特汽车，宝马等都已经开始布局无人驾驶领域，所有无人驾驶技术都离不开相机与毫米波雷达，而随着激光雷达技术的成熟，越来越多的研发机构选择用可以提供目标物体高精度深度信息的激光雷达[26]，如图1-2。(a)(b)图1-2激光雷达在无人驾驶和在轨服务中的应用。(a)美国斯坦福大学参加DARPA举办的智能车挑战赛;(b)戴姆勒公司无人驾驶示意图从自动驾驶技术的革新可以发现，该技术不仅需要成熟稳健的算法作为支持，更重要的是高灵敏度视觉传感器在场景内目标捕获技术上的优化，目前的多传感器融合以及未来激光雷达技术的成熟，会对动态目标位姿判断起重要作用。
电子科技大学博士学位论文6(a)(b)(c)图1-3双目视觉测量流程[3]。(a)深度图恢复；(b)点云配准；(c)位姿求解日本航天研究院利用立体视觉和三维模型匹配对在轨故障卫星进行运动估计[39]，通过立体视觉技术获取非合作目标的三维信息，并通过与点云模型匹配来推算目标的位姿参数，由于这个过程算法复杂且耗时，只可用于事后处理，无法实现对运动非合作目标的实时姿态测量。Technion学院的Segal团队[40]同样通过双目视觉测量技术实现了对非合作目标在轨任务中的姿态测量，不同之处在于该团队利用Bayes和Kalman滤波的方法完成位姿测算，在提高位置信息与旋转角度精度的同时，可以预估下一时刻的运动轨迹。国内对于双目视觉测量技术也开展了深入的研究，哈尔滨工业大学控制智能系统研究所许文付[41]等人提出基于立体视觉的目标识别与姿态测量方法，当空间机器人为指定卫星服务的情况下，提出相应的三角形支持面板识别算法，并完成三维结构重建。实现在有效工作范围5m以内的探测条件下，位置误差小于0.04m，姿态误差小于3°。中国科学院光电技术研究所的颜坤[31]团队，哈尔滨工业大学的刘通[42]等科研人员均对双目视觉技术进行了深入的研究，并对算法部分做了提升，实现目标三维结构的实时重建。多视觉探测器立体视觉技术的本质为交叉测量法，具体可分为共线测量法、投影测量法、空间解析曲线三维测量法和目标中轴测量法等。共线方程测量法根据图像和摄像中心二者基线恒定在唯一的平面上的原理，通过求解交叉平面方程确定基线坐标位置[43]。该方法需要两个或以上的视觉测量器件同步工作，并使用最小二乘法求解方程[44]。但当基线与两个视觉测量器件所在平面平行时，无法完成测量。投影矩阵测量采用齐次方程求解目标三维姿态，与共?
【参考文献】：
期刊论文
[1]三维扫描激光雷达系统设计及实时成像技术[J]. 李小路,曾晶晶,王皓,徐立军. 红外与激光工程. 2019(05)
[2]基于EPNP算法的单目视觉测量系统研究[J]. 张慧娟,熊芝,劳达宝,周维虎. 红外与激光工程. 2019(05)
[3]戴姆勒:稳步推进无人驾驶与共享出行[J]. 李忠东. 汽车与配件. 2018(35)
[4]特斯拉MODEL X 实用+性能 即是未来[J]. ALLEN. 体育博览. 2018(12)
[5]单目序列的刚体目标位姿测量[J]. 赵丽科,郑顺义,王晓南,黄霞. 浙江大学学报(工学版). 2018(12)
[6]无扫描激光三维成像雷达研究进展及趋势分析[J]. 卜禹铭,杜小平,曾朝阳,赵继广,宋一铄. 中国光学. 2018(05)
[7]基于RGB-D三维点云目标分割[J]. 陈国军,孔李燕,张清伟,杨静. 计算机技术与发展. 2018(12)
[8]人工智能视角下的无人驾驶技术分析与展望[J]. 郭旭. 电子世界. 2017(20)
[9]基于双目立体视觉的三维信息快速大尺度测量系统[J]. 杨巍. 电子设计工程. 2017(06)
[10]Velodyne激光雷达宣布将GaN技术用于小型化低成本固态激光雷达传感器的新设计[J]. 戴朝典. 汽车电器. 2017(01)
博士论文
[1]基于主被动融合的非合作目标重建与位姿测量研究[D]. 张壮.中国科学院大学(中国科学院光电技术研究所) 2019
[2]基于超体素的三维数据分割方法研究[D]. 刘晓妮.吉林大学 2019
[3]基于双目视觉的空间非合作目标姿态测量技术研究[D]. 颜坤.中国科学院大学(中国科学院光电技术研究所) 2018
[4]空间翻滚目标的位姿测量及其双臂捕获机器人的轨迹规划[D]. 彭键清.哈尔滨工业大学 2018
[5]基于结构化预测的道路场景理解技术研究[D]. 肖良.国防科技大学 2017
[6]基于偏振调制的激光三维成像方法研究[D]. 陈臻.中国科学院大学(中国科学院光电技术研究所) 2017
[7]阵列激光三维成像点云数据配准技术研究[D]. 王岩.中国科学院长春光学精密机械与物理研究所 2016
[8]无人驾驶车辆环境感知系统关键技术研究[D]. 王俊.中国科学技术大学 2016
[9]相位编码合成孔径激光雷达关键技术研究[D]. 李飞.中国科学院研究生院(上海技术物理研究所) 2016
[10]光电经纬仪跟踪飞机的3D计算机视觉研究[D]. 王习文.中国科学院研究生院（长春光学精密机械与物理研究所） 2010
硕士论文
[1]基于局部不变特征和点云配准的目标识别与定位技术研究[D]. 于达.哈尔滨工业大学 2018
[2]面向无人驾驶车辆的多雷达检测与跟踪技术研究[D]. 王昶人.北京工业大学 2018
[3]基于Kinect的大场景三维重建[D]. 张桥松.电子科技大学 2018
[4]基于计算机视觉和深度学习的自动驾驶方法研究[D]. 白辰甲.哈尔滨工业大学 2017
[5]冰桥计划机载测高在西南极Thwaites冰川的应用研究[D]. 黄科伟.武汉大学 2017
[6]电子倍增CCD成像性能测试系统研究[D]. 余敏.南京理工大学 2017
[7]基于面阵CCD三维实时成像技术的研究[D]. 王淞.浙江大学 2016
[8]基于ORB算法的双目视觉测量研究[D]. 王昌盛.哈尔滨工业大学 2015
[9]室外场景三维点云数据的分割与分类[D]. 宋立鹏.大连理工大学 2015
[10]月面探测中视觉定位技术研究[D]. 李晶.重庆大学 2015
本文编号：3578925
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3578925.html
