原文传递
面向无人驾驶的多传感器信息增强技术研究
| 论文题名： | 面向无人驾驶的多传感器信息增强技术研究 |
| 关键词： | 无人驾驶;图像标定;深度学习;多传感器;信息增强 |
| 摘要： | 随着汽车行业的智能化发展，无人驾驶技术已成为汽车领域的主要研究热点，越来越多的公司开始致力于无人驾驶车辆的研发。无人驾驶技术可以帮助人们释放驾驶交通运输工具耗费的时间、精力与成本，为人类生产生活带来便利，具有十分广阔的发展前景。随着人工智能和新型传感技术的不断发展，无人驾驶级别越来越高，对于传感器的依赖越来越多，需要更多不同类型的高质量传感器来辅助无人驾驶。由于激光成像雷达具有抗干扰能力强、探测精度高等优势，相机传感器具有分辨率高、色彩信息丰富等优势，激光成像雷达和相机传感器优势互补，因此被广泛应用于无人驾驶领域。针对无人驾驶多传感器融合感知的需求，本文重点研究了基于注意力机制的激光与可见光图像标定、基于非局部传播网络的激光与可见光图像融合等内容，并搭建了无人驾驶模拟平台，设计开发了相关算法软件。具体如下: (1)针对传统的激光点云和可见光图像标定方法存在操作步骤较多、标定误差较大、实时性较差等问题，本文研究并实现了基于注意力机制的激光与可见光图像在线标定，将通道注意力机制和空间注意力机制引入激光点云与可见光图像标定网络中，实现了自适应特征细化，完成了激光与可见光图像的高精度标定。在不增加网络参数和计算成本的基础上，进一步提升了标定算法的准确性，减小标定误差。通过多组实验结果的对比和分析，验证了本文方法在激光与可见光图像标定方面具有更好的性能。 (2)针对现有基于深度学习的激光点云和可见光图像融合算法存在融合图像边缘细节信息丢失、边缘模糊等问题，本文研究并实现了基于非局部传播网络的激光与可见光图像高效融合方法，基于非局部传播网络采用级联沙漏模块实现特征提取，在沙漏结构的对应层之间采用跳跃连接，将回归的深度传递到每个后续阶段以增强信息交流，从而产生更精细的深度回归，保留融合结果的边缘细节信息，提高了融合数据的质量。通过多组实现结果以及与现有方法的对比分析，验证了本文方法可以更好地保留融合图像的边缘细节信息。 (3)为验证本文所提激光与可见光图像标定和融合算法在无人驾驶感知系统的有效性，依据无人驾驶车辆的整体架构，在实验室条件下搭建了无人驾驶模拟平台，并借助平台搭载的激光成像雷达和光学相机采集了大量外场激光点云和可见光数据，利用PyQt软件设计并实现了激光与可见光图像标定和融合算法软件，外场实验验证了本文所提标定和融合算法的有效性。 |
| 作者： | 李莹 |
| 专业： | 电子与通信工程 |
| 导师： | 秦翰林;冷寒冰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西安电子科技大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
