原文传递
低速无人车视觉识别算法研究与导航软件开发
| 论文题名： | 低速无人车视觉识别算法研究与导航软件开发 |
| 关键词： | 低速无人车;导航系统;软件设计;视觉识别;深度神经网络;三维点云地图 |
| 摘要： | 低速无人车在物流、环卫、农业等领域具有良好的应用价值，能够代替人类完成重复性的劳动工作。为了使无人车在复杂环境中智能行驶，需要有效解决其感知、定位和导航等问题。为此，本论文基于机器人操作系统，采用三维激光雷达和高清摄像头作为感知设备，研究和开发面向室外环境的低速无人车感知与导航系统。感知子系统基于深度神经网络实现对车道线目标的分割和室外常见交通目标的检测，导航子系统基于三维激光雷达在室外环境下实现建图、定位和导航功能。本论文的主要工作内容如下： (1)基于深度神经网络的无人车视觉识别算法研究。首先针对无人车在行驶过程中对车道线进行分析，提出了一种基于图像序列的车道线并行检测网络。该网络在传统单帧图像的车道线分割网络的基础上，并行了一个多帧网络用于提取多帧时域特征，并通过一个融合模块将多帧特征与单帧特征进行融合，从而实现更好的车道线特征提取效果。针对行人、车辆等常见交通目标的识别需求，采用基于通道剪枝的YOLOv4网络实现对障碍物目标的快速检测。 (2)基于三维点云地图的无人车实时定位方法设计。针对完整的点云地图数据过于庞大会导致数据加载缓慢的问题，采用点云过滤以及点云切割的方法，实现点云地图数据的稀疏化和动态局部加载。同时改进了传统NDT算法匹配较慢的问题，采用多线程加速技术实现了无人车在稀疏点云地图中的实时定位。 (3)面向室外环境的无人车导航软件开发。针对生成全局路径规划，开发了基于点云地图的全局路径自定义工具，并依据车辆位置信息通过埃尔米特函数对全局路径进行二次规划。针对局部路径规划，首先采用点云聚类对周围障碍物进行检测；然后依据点云聚类信息生成局部栅格地图；接着通过基于状态机的决策系统来判断是否避障，最后利用A*算法实现避障状态下的局部路径规划，生成最终路径。基于已规划路线，采用纯跟踪算法输出当前时刻的车辆速度与打角，实现对无人车的路径跟踪控制。 |
| 作者： | 欧全林 |
| 专业： | 控制科学与工程 |
| 导师： | 朱威 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江工业大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
