原文传递
基于无人驾驶汽车的道路环境识别方法研究
| 论文题名： | 基于无人驾驶汽车的道路环境识别方法研究 |
| 关键词： | 无人驾驶汽车;道路环境识别;激光雷达;深度学习;语义分割 |
| 摘要： | 随着社会的进步和经济的发展，当前城市交通的路况与道路建设已经无法满足社会发展的要求，引发的交通问题已经成为妨碍社会发展效率进一步提高的主要原因。 无人驾驶汽车拥有远超人类的环境感知能力和对路径的规划能力，可以使交通事故的发生率大幅降低，从而缓解交通拥堵。因此，发展无人驾驶技术对改善当前交通问题具有巨大的实际意义。 目前，无人驾驶汽车研究中的一个重要挑战来自于对环境的感知。本课题以实现无人驾驶研究中的道路环境识别为研究方向，通过不同传感器实现低层次与高层次的道路环境识别，从而实现对无人驾驶汽车环境感知框架的搭建。 首先，使用激光雷达传感器实现低层次的道路环境识别。通过类比二维Sobel算法对三维路缘处点云的性质进行分析，并结合分析出的结果设计滤波算法对点云进行筛选，得到路缘处点云。然后结合无人驾驶汽车的航向与路边线的特性对RANSAC算法进行改进，从而对假阳性点进行剔除，完成对路边线的提取，为无人驾驶汽车划定道路可行驶区域。 其次，引入深度学习方法，并结合摄像头传感器进行道路环境下的语义分割，实现高层次的道路环境识别。通过分析城市道路环境，在神经网络的基础上搭建出一个由13层卷积的编码网络与13层的反卷积网络组成的道路场景分割网络，并采用转移学习的调优方法，搭建了一个可以在校园道路环境下对道路场景图像进行有效的语义分割的模型，在图像像素级别上对场景内容进行精确分类识别。 最后，通过在校园环境下对道路识别方法的准确性进行测试，验证了高低层次的道路环境识别方法的可行性，从而完成对无人驾驶环境感知框架的搭建。 |
| 作者： | 赵希鸣 |
| 专业： | 控制工程 |
| 导师： | 王恒 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东北大学 |
| 学位年度： | 2018 |
检索历史
应用推荐
