原文传递
面向辅助驾驶的激光同步定位与建图关键技术研究
| 论文题名： | 面向辅助驾驶的激光同步定位与建图关键技术研究 |
| 关键词： | 辅助驾驶;SLAM;动态目标分割;回环检测;深度学习 |
| 摘要： | 近年来，随着人工智能的发展，辅助驾驶成为了一个热门的研究领域，而基于激光雷达的同步定位与建图(LiDARSLAM)技术作为解决辅助驾驶系统在未知区域与特殊情况下进行环境感知的一种方案被广泛应用。然而，激光同步定位与建图技术在实际场景的应用过程中存在两个重要的问题:一方面，激光同步定位与建图在实时计算里程计的时候，依赖激光雷达点云间的匹配，该过程容易受到场景中存在的动态目标的影响;另一方面，基于激光雷达的同步定位与建图系统对当前位姿的估算基于上一时刻的估算结果进行，因此，其误差会随着运行时间的增加而不断累积。因此，针对这两项问题，本文重点开展了基于Transformer的激光雷达点云动态目标分割与基于编码二值特征图的回环检测技术研究;搭建了辅助驾驶模拟平台;设计并开发了相关可视化软件。本文主要工作具体如下。 (1)针对常规点云语义分割框架难以学习场景中目标动态特征的问题，本文研究并实现了一种基于Transformer的激光雷达点云动态目标分割方法，引入了一种差值特征图的计算方法，以提升对目标的动态特征表达能力，同时结合Transformer中的多头自注意力思想，并对其网络结构进行改进，利用窗口自注意力计算代替全局自注意力计算，以减小计算量，提升学习效率。在多组场景下对本文方法进行对比测试，实验结果表明，本文基于Transformer的激光雷达点云动态目标分割相比其他方法有着更高的精度。 (2)针对现有的各种面向激光雷达点云数据的回环检测方法存在的实时性差，检测精度不足，而基于深度学习的方法依赖大量训练样本等问题，本文研究并实现了一种基于二值特征图的回环检测方法。该方法通过对场景中的激光雷达点云数据的体素划分编码和在傅里叶变换下的LoG-Gabor滤波，提取了一种具备旋转不变性的二值特征图作为场景的描述符，并可简单地根据汉明距离对场景相似性进行匹配。在多组场景下对本文回环检测方法进行对比测试，实验结果表明，本文回环检测方法能在不依赖样本数据进行训练的情况下，有效提高回环检测的实时性和精度。 (3)为进一步验证本文所提激光雷达点云动态目标分割和回环检测方法性能，本文在实验室条件下搭建了辅助驾驶模拟平台进行激光雷达点云数据的采集;并在PyQt5框架下设计并实现了本文所述激光雷达点云动态目标分割与回环检测方法的可视化软件。 |
| 作者： | 林凯东 |
| 专业： | 电子与通信工程 |
| 导师： | 马琳;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： | 2022 |
检索历史
应用推荐
