原文传递
基于激光雷达和视觉信息融合的低速智能车障碍物识别技术研究
| 论文题名： | 基于激光雷达和视觉信息融合的低速智能车障碍物识别技术研究 |
| 关键词： | 低速智能车;激光雷达;图像识别;信息融合识别 |
| 摘要： | 人工智能的发展促进了自动驾驶汽车的发展,自动驾驶汽车不仅给人们的生活带来便利,同时也降低了交通事故率.自动驾驶技术是智能车高级阶段,其中环境感知层是智能汽车关键技术之一,成为研究机构和很多企业的研究对象. 基于低速智能车研究平台,利用激光雷达与相机,采集赛道上的障碍物信息,分别完成点云聚类处理和障碍物识别;采用激光雷达与视觉信息融识别算法,完成了对赛道障碍物的融合识别,从而获得可靠性和稳定性较高环境感知层信息.本文主要研究内容如下: 1.激光雷达和相机的时空同步处理 利用张正友棋盘格法标定相机获取相机内参,运用MATLAB工具箱完成了激光雷达和相机的联合标定,采用激光雷达向下兼容的方法完成了激光雷达和相机数据频率同步,实现了激光雷达和相机空间和时间的同步,为下一步信息融合奠定了基础. 2.基于激光雷达的赛道点云聚类处理 利用激光雷达采集赛道上的信息,获取点云数据,基于赛道区域建立感兴趣区域,利用RANSAC(RandomSampleConsensus)算法完成了地面点云分割,采用自动计算初始半径ε和最小邻域Minpts的DBSCAN(Density-BasedSpatialClusteringofApplicationswithNoise)聚类算法完成地面上点云的聚类,实现了对障碍物有效的聚类. 3.基于卷积神经网络的图像识别 利用卷积神经网络YOLO-v5s算法对输入的图像进行Mosaic数据增强、Backbone骨干网络卷积和Neck网络池化,输出多特征图像.利用人工采集的数据和KITTI数据集训练模型,并利用训练好的模型对赛道上的障碍物测试.试验结果表明该模型的精确率和召回率曲线波动平稳,平均精确率均值(MeanAveragePrecision,MAP)值达到80%以上,该模型能满足准确识别目标的任务. 4.激光雷达和视觉信息融合识别及试验 基于激光雷达和相机优势互补的原则,提出了激光雷达与视觉融合的障碍物识别方法,为验证该方法可行性和可靠性,在低速智能车上分别进行了信息融合识别试验及单一传感器与信息融合识别对比试验.试验统计数据表明:相机的识别率为93.63%,激光雷达聚类正确率90.34%,融合后95.26%,验证了信息融合的可行性. |
| 作者： | 张凯娟 |
| 专业： | 机械 |
| 导师： | 宁欣;张庆文 |
| 授予学位： | 硕士 |
| 授予学位单位： | 河南科技学院 |
| 学位年度： | 2023 |
检索历史
应用推荐
