原文传递
基于激光雷达和机器视觉的智能车前方障碍物检测研究
| 论文题名： | 基于激光雷达和机器视觉的智能车前方障碍物检测研究 |
| 关键词： | 智能小车;障碍物检测;激光雷达;机器视觉;图像增强;数据融合 |
| 摘要： | 近几年来，利用多传感器数据融合技术在智能车检测行车环境障碍物信息方面，大多都是在白天光照条件良好等条件下进行的，但对于雾天和夜间的障碍物检测则研究较少，且存在障碍物识别准确性和可靠性低等问题。本文基于激光雷达和机器视觉数据融合的方法对智能车前方障碍物进行检测，研究低对比度图像增强方法以及寻找更合理的数据融合算法，提高智能车检测障碍物的准确性和鲁棒性。本文的主要研究内容有: 首先，基于激光雷达在车辆直行时障碍物检测，提出在检测周期内，设置车辆横向距离阈值法来判定目标车辆是否位于同一车道内，并基于卡尔曼滤波法对目标物的有效性进行验证和基于生命周期法对目标进行决策;基于机器视觉障碍物检测提出采用AdaBoost算法对原始图像进行训练，对正负样本的权重重新分配，获得许多弱分类器，并最终组合成强分类器，得到较好的识别效果。 其次，建立车体坐标系，分别对雷达和相机进行标定，将空间任意一点转换到图像坐标系中。提出使用中值滤波对原始图像进行去噪和改进的单尺度Retinex算法对图像进行增强，提高图像的辨识度和目标轮廓的完整度。 再次，使用Dempster-Shafer证据理论对雷达和相机采集的信息进行数据融合。使用最小二乘法将雷达和相机在采集数据的时间上同步，并通过传感器标定实现空间上的同步。通过对真实行车环境中车辆、行人的识别验证D-S证据理论判别的准确性，并通过在目标图像轮廓提取的完整度方面与单一传感器进行比较，验证其有效性。 最后，搭建智能小车检测障碍物试验平台，试验研究单一传感器和数据融合技术对前方障碍物检测。在对雷达进行障碍物检测时，使用试验平台采集一组雷达数据并对其处理，验证智能小车是否能区分不同车道的车辆。编写Python数据融合避障程序并导入到智能小车中，进行障碍物躲避试验。 |
| 作者： | 刘伟 |
| 专业： | 车辆工程 |
| 导师： | 翟元盛 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨理工大学 |
| 学位年度： | 2019 |
检索历史
应用推荐
