原文传递
基于数据驱动的自动驾驶激光雷达点云仿真技术研究
| 论文题名： | 基于数据驱动的自动驾驶激光雷达点云仿真技术研究 |
| 关键词： | 自动驾驶测试;数据驱动;点云分割;生成式对抗网络;点云重建 |
| 摘要： | 自动驾驶测试技术对于自动驾驶汽车有着重要的作用，它的可靠性决定了自动驾驶汽车的可靠性，目前自动驾驶测试可分为两个方面，一种是真实道路测试，另一种则为仿真测试。但是仿真测试的仿真数据具有真实度不高的问题，使用这类数据会导致自动驾驶性能上的降低。本文围绕提高自动驾驶仿真点云数据集真实度以及扩充数据集多样性展开研究，基于数据驱动的方式对已有的路采点云数据集和虚拟点云数据集进行处理，重建合成大量真实度高的点云数据集，用于自动驾驶测试，并通过试验验证了数据集的可靠性。 本文首先通过激光雷达原理建立激光雷达仿真模型，提取对应的虚拟场景点云数据，并选择已有的KITTI数据集作为真实点云数据，保证合成点云的真实度，此外为了扩充点云数据集，采用基于图像的深度信息来合成大量真实点云数据。 然后在已有的数据集的基础上，对数据进行预处理后，通过基于NDT匹配算法构建静态场景点云地图，为了保证构建的三维地图的精度，本文在建图过程中加入了GNSS约束和回环约束，有效地解决了地图的重影问题。接着基于全卷积网络设计了点云分割网络用于获取原始点云中的语义信息，提取出交通流点云数据，为了解决交通流点云由于遮挡产生的点云缺失问题，基于生成式对抗网络设计了点云修复网络，实现端到端的点云修复。 接着将提取到的交通流点云按照距离和角度进行分类，得到交通流点云数据集，再基于真实交通轨迹向静态场景地图中放置交通流点云，最后通过渲染得到合成的点云数据集。 最后评估本文得到的点云数据集作为自动驾驶感知层训练数据的可靠性。利用点云语义分割作为评价方式，采用SqueezeSeg作为语义分割模型，使用本文合成的数据集、KITTI数据集以及CARLA数据集作为训练数据集，生成对应的权重文件，最后用同一数据集作为测试数据集，用测试结果的总体精度和交并比作为评价指标，实验验证由本文方法得到的合成点云数据集比基于游戏引擎采集的数据集具有更高的真实度。此外通过实车试验验证自动驾驶ACC功能，证明了利用本文数据集测试自动驾驶功能的可行性。 |
| 作者： | 马学年 |
| 专业： | 机械工程 |
| 导师： | 任殿波 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工业大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
