详情

原文传递基于激光雷达与相机融合的智能车环境感知算法研究

论文题名：	基于激光雷达与相机融合的智能车环境感知算法研究
关键词：	智能车;激光雷达;环境感知;点云分割;相机融合
摘要：	汽车智能化是目前汽车工业发展的四大趋势之一，也是未来汽车技术竞争的关键领域。随着汽车智能化的不断发展，人们对汽车行驶安全性的要求也更加严格。环境感知技术作为智能驾驶汽车感知外部世界的眼睛，对于保障车辆的安全行驶至关重要。因此，本文以智能驾驶汽车的环境感知技术为研究背景，利用三维激光雷达与RGB彩色相机获取的点云与图像数据，分别针对地面点云分割、可行驶区域检测以及三维目标检测等关键技术进行研究。论文的具体研究内容如下：　　（1）基于三维激光雷达的地面点云分割方法研究。首先，针对激光点云数据量较大且密度分布不均匀的特点，本文设计了基于同心圆的极坐标栅格地图，并利用该栅格地图将输入的三维离散点映射到不同的扇形区域。接着，对每个扇形区域分别进行初始种子点提取，并在提取过程中使用自适应高度阈值对异常点进行滤除。然后，利用主成分分析对提取到的初始种子点进行平面模型拟合，并通过多次迭代获得地平面方程。最后，结合垂直度、高程、平滑度三种先验指标对地平面方程做进一步评估，以此来完成整个区域的地面点云分割。实验结果表明，本文所提出的地面点云分割方法在保证实时性的前提下，对于不同道路场景均可以获得较为准确的地面点云分割结果。　　（2）基于三维激光雷达的可行驶区域检测方法研究。首先，针对城市道路场景复杂多变，且存在大量移动障碍物的特点，本文设计了基于深度学习的全景分割模型，并利用该模型分别对可行驶区域点云以及障碍物实例进行分割。然后，在分割结果的基础上建立单层光束模型，并通过计算模拟光束的终止点来获取可行驶区域的道路边界点。最后，通过对道路边界点进行拟合，得到最终的空间可行驶区域。实验结果表明，与传统的基于规则的道路边界检测算法相比，本文所提出的可行驶区域检测算法的检测准确率较高且对于不同道路场景具有更强的适应性。　　（3）基于激光雷达与相机融合的三维目标检测方法研究。首先，针对点云与图像特征的视角不同且融合较为困难的特点，本文设计了一种顺序融合方法，并利用该方法将图像语义分割结果与原始点云数据进行融合，以此来避免两种不同视角特征之间的相互干扰。接着，使用非对称残差卷积模块来构建三维主干特征提取网络，以此来增强模型对水平及垂直分布物体的检测能力。然后，使用空间-语义特征聚合模块来构建二维主干特征提取网络，以此来增强模型对浅层定位特征与高层语义特征的融合能力。最后，基于中心点检测的思想，本文采用无锚框检测头对三维目标检测结果进行输出。实验结果表明，与单模态方法相比，本文提出的基于顺序融合的无锚框的三维目标检测方法可以有效提升模型对行人等小目标的检测能力。
作者：	杜志强
专业：	车辆工程
导师：	吴坚
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2022