原文传递
基于激光雷达的无人系统目标探测研究
| 论文题名： | 基于激光雷达的无人系统目标探测研究 |
| 关键词： | 无人驾驶;目标探测;激光雷达;特征提取 |
| 摘要： | 近年来，无人驾驶技术在社会上得到了广泛关注。如何更有效的对行驶环境中的目标进行探测与识别的问题是研究的热点之一。激光雷达是无人驾驶系统中的重点研究对象，现今国内外在以激光雷达为传感器实现目标探测方面已做了很多研究，但仍存在激光雷达图像处理算法实时性不够、识别和跟踪准确度不足等问题。本文为解决这些问题，以三维激光雷达目标探测为基础，主要开展了以下研究工作： 1）针对传统DBSCAN算法中以确定的阈值划分点云类型，不能很好的满足障碍点密度变化要求的问题，提出了一种基于DBSCAN的自适应参数阈值聚类方法。通过此聚类方法来获得目标所在区域并存储，较传统聚类算法其准确率得到了提升；引入将kd-tree应用在DBSCAN聚类中的方法，减少对数据集的访问次数，有效提高了运算速度。 2）针对传统包围盒提取方法中噪声点数量较多时拟合效果差的问题，设计了一种将最小凸包法与RANSAC算法相结合的方法提取包围盒，更准确的拟合出了包围盒边线，并利用包围盒结构表征障碍物形状。 3）从点云性质出发，以点云稀疏程度和目标大小、反射强度等特征为对象，进行特征提取，并使用SVM分类器进行训练，完成对激光点云目标的识别，且有效提高了目标识别率；利用多假设跟踪和卡尔曼滤波相结合的方法，使用多假设跟踪算法对前后帧障碍物目标进行关联匹配，通过卡尔曼滤波方法来消除测量误差影响，修正物体位置，以达到实现障碍物目标匹配与运动轨迹跟踪的目的。 将该目标探测方案在KITTI数据集上进行了测试，相较传统探测算法，该方案在聚类准确度和运算速度上都得到了提高。聚类速度提升了83%，车辆识别率提升了15.01%，行人识别率提升了19.89%，匹配率达到84.35%。本成果对研究无人系统中的目标探测问题具有一定的实用价值。 |
| 作者： | 葛梦瑶 |
| 专业： | 电子与通信工程 |
| 导师： | 雷志勇;朱新宏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西安工业大学 |
| 学位年度： | 2020 |
| 正文语种： | 中文 |
检索历史
应用推荐
