原文传递
基于雷达数据与相机信息的无人船障碍物感知与定位
| 论文题名： | 基于雷达数据与相机信息的无人船障碍物感知与定位 |
| 关键词： | 无人船障碍物;点云库;随机采样一致性;K均值聚类;长短期记忆神经网络;YOLOv3-tiny算法 |
| 摘要： | 随着人工智能的不断发展，无人驾驶技术逐渐成为各国重点关注的对象。无人船，作为未来开发海洋矿物资源的重要平台，也成为当下的研究热点，因此其相关技术的深入研究就显得更加重要。其中，环境感知系统是无人船能否进行安全航行的关键。然而现有的传感器目标检测技术良莠不齐，检测的准确性和鲁棒性都有待改进。在此背景下，本文使用激光雷达与摄像头信息相融合的方法，对无人船行进过程中的周围环境进行检测，主要研究内容如下： （1）实现了激光雷达与摄像头数据的深度融合。分别对两传感器的数据及工作原进行分析，建立了两传感器在空间和时间上的配准。先将两者的信息进行预处理，接着使用随机采样一致性算法将在点云库(PCL)中处理过的点云进行聚类，提取出水平面点云，并使用K均值聚类算法对图像进行聚类并分割，得出可能的障碍物所在区域。接着将剩余的点云数据投影到分割后的图像上，两者融合进一步确定了障碍物所在位置。最后将两传感器分别获得的障碍物距离信息利用长短时记忆神经网络(LSTM)进行拟合，预测出更贴合实际距离的距离值。 （2）对障碍物进行类别检测。通过对比各个版本的YOLO目标检测算法的优缺点，选择出最符合无人船实时目标检测要求的YOLOv3-tiny算法，该算法在检测速度上优势明显，且对于硬件的要求低，较可以满足实验的整体要求。 （3）提出了网格避障决策算法。先对图像进行二值化处理将障碍物从背景中分割出来，再对分割后的图像进行网格划分，判断障碍物是否影响无人船的航行安全，最后通过获取无人船执行避碰操作时所需要的转向角，从而辅助船舶安全航行决策。 本文完成了无人船在航行过程中视觉感知系统的设计及实现，通过两种传感器数据的融合，确定了障碍物所在的区域、位置及障碍物类别等信息，为未来无人船避障研究打下坚实的研究基础。 |
| 作者： | 倪桦 |
| 专业： | 交通运输工程 |
| 导师： | 关巍 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
