原文传递
自主代客泊车场景下的引导行驶障碍物检测和车位识别技术研究
| 论文题名： | 自主代客泊车场景下的引导行驶障碍物检测和车位识别技术研究 |
| 关键词： | 自主代客泊车;环境感知;障碍物检测;车位识别;自动驾驶 |
| 摘要： | 随着汽车保有量的不断增长和自动驾驶技术的快速发展，泊车过程中的时间消耗和车位不足等问题日益突出，自主代客泊车逐渐成为无人驾驶研究和应用的热点。环境感知作为自主代客泊车中至关重要的一环，其主要任务为引导行驶过程中的障碍物检测和自动泊车过程中的车位识别。本文围绕自主代客泊车这一低速无人驾驶场景，面向自主代客泊车中引导行驶和自动泊车环节的感知需求，分别设计了基于激光雷达的引导行驶障碍物检测算法和基于环视的车位识别算法。主要内容如下： 1、对自主代客泊车车辆的环境感知系统中各子系统的工作原理及搭建过程进行了介绍，包括车载网联系统、激光雷达系统以及由四个鱼眼相机所组成的环视系统等。 2、通过利用网联信息平台实现车辆和服务器之间的数据收发，使车辆获得引导行驶信息和目标车位信息等，解决车辆无法预知车位信息的问题。在自主引导行驶过程中建立栅格地图，将环境点云信息和引导行驶信息通过坐标系转换投影至栅格地图中。利用引导行驶信息在栅格地图中划分出行驶区域，将背景点云滤除后在栅格地图中通过基于变距离阈值的欧式聚类实现引导行驶过程中障碍物的检测。 3、提出了一种基于环视系统的车位识别方法。首先，在采集的划线车位环视图像中进行标注获得车位角点数据集，利用车位数据集训练了基于YOLO-v4-tiny的角点检测模型，获得可离线运行的权重文件。然后，使用训练的目标检测模型在环视图像中进行车位角点的初步定位，再通过对角点区域图像的后处理，实现角点中心精确坐标的获取并划分出车位区域。针对常见的基于聚类等传统图像处理和基于深度学习目标检测的车位占用判定方法在图像背景信息复杂情况下容易误检的问题，提出了基于深度光流的车位占用判定方法，提升了划线车位占用判断的准确率。 4、基于实验室智能电动汽车平台，完成自主代客泊车软硬件系统的搭建。对本文所提出的引导行驶障碍物检测算法和车位识别算法进行实车试验。通过实车实验验证所提出障碍物检测算法的可行性和准确性，以及所提出的车位识别算法的鲁棒性以及优越性。最后，在搭建的代客泊入和召唤泊出实验场景中再次验证了所提出算法的可行性。 |
| 作者： | 王啸宇 |
| 专业： | 车辆工程 |
| 导师： | 王其东 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
