原文传递
结构化道路下多传感器多线索融合算法研究
| 论文题名： | 结构化道路下多传感器多线索融合算法研究 |
| 关键词： | 自动驾驶;结构化道路;可行驶区域检测;激光雷达;视觉传感器;特征融合;贝叶斯理论 |
| 摘要： | 随着社会经济的发展，我国汽车消费市场急剧扩张，大量的车辆由于驾驶员技术的参差不齐，在城市中造成严重的交通拥堵。自动驾驶技术将成为重点研究对象。道路区域的检测是其必不可少的重要部分，也是自动驾驶车辆规划决策的基础。本文是针对实际交通场景中的结构化道路，融合激光雷达和视觉传感器进行可行驶区域检测研究，实现一种可靠的检测方法。具体研究内容和方法如下： （1）激光雷达与相机联合校准。本文采用Autoware方法，基于平面特征匹配的方法进行联合标定，通过提取棋盘格标定板在两坐标系中的对应点，来计算摄像头相对激光雷达的外参矩阵，结合摄像头内参及畸变参数，可以得到像素坐标在激光雷达坐标系下唯一的对应点。 （2）在激光点云中提取道路沿信息。针对激光雷达采集数据存在与场景不匹配的问题，对点云数据进行简单处理，达到图像与点云的校准，并通过感兴趣区域的特征提取、地平面分割、峰值强度检测、使用窗口进行车道检测以及曲线多项式拟合等流程，实现在激光点云中对道路特征提取。 （3）在视觉图像中提取道路多个特征信息。针对视觉道路检测存在的容易受单一线索的影响，在视觉图像中采用提取多个特征的线索，对道路特征进行颜色、纹理、地平线、车道标记等特征的提取，分别采用颜色转换，减少光照变化对道路检测的影响。采用Gabor进行道路边缘检测，在边缘检测的前提下，计算出纹理方向的最大值，进而设计出消失点投票的方法。采用不同的高斯分布，将道路区域和非道路区域建模，寻找函数的最小值，拟合出地平线的位置。采用DBSCAN算法拟合出车道线，实现对车道标记特征提取。 （4）在贝叶斯理论框架下，将激光雷达与视觉提取的多种特征进行融合。采取一种基于激光雷达点云数据和视觉图像融合的道路检测方法，该算法是在贝叶斯框架下融合上述的多线索信息生成特征对应的道路似然图，实现两种传感器的特征级融合。为验证该融合算法，在KITTI数据集上进行算法评估与测试验证，算法评价指标精度为94?，准确率为???。将验证结果与 5 种流行的道路检测算法对比，基于贝叶斯的道路检测方法可获取稳定性、鲁棒性更好的道路检测效果，说明该融合算法具有一定的理论价值和实际价值。 |
| 作者： | 李晓威 |
| 专业： | 工程(车辆工程) |
| 导师： | 袁春 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆理工大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
