检索结果-南通市图书馆

基于三维激光雷达的无人车动态目标检测及运动分析研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于三维激光雷达的无人车动态目标检测及运动分析研究

作者：梅维杰北京理工大学

学位级别：硕士

无人驾驶车辆作为智能机器人中重要的一类,已经成为世界各国高科技领域研究的战略性目标,在民用领域和军用领域都引起了广泛的研究。真实交通环境中存在行人、车辆等动态目标,近来多起无人驾驶车辆交通事故是由于没有准确检测到动态目... 详细信息

无人驾驶车辆作为智能机器人中重要的一类,已经成为世界各国高科技领域研究的战略性目标,在民用领域和军用领域都引起了广泛的研究。真实交通环境中存在行人、车辆等动态目标,近来多起无人驾驶车辆交通事故是由于没有准确检测到动态目标导致的。无人驾驶车辆需要对周围的动态目标进行检测,得到其准确的运动参数,才能做出安全的驾驶规划和决策。相比于相机、毫米波等其他无人车环境感知传感器,三维激光可以提供精确的环境深度距离信息,而且光照等环境干扰较少,是无人驾驶车辆的重要传感器。本文利用三维激光雷达输出的点云数据,采用基于检测-跟踪的算法框架对动态目标进行检测跟踪,包括动态目标的检测与跟踪、运动状态估计。针对目标检测过程采用连通域分析从栅格地图中聚类得到目标轮廓参数不准确的问题,对聚类提取的目标进行边缘轮廓拟合,从而得到贴合目标轮廓边缘的矩形轮廓。针对激光雷达检测到目标矩形中心点位置可能发生跳变的问题,通过分析三维激光雷达观测目标的特点,建立动态目标特征点观测模型,并采用跟踪门与联合概率数据关联相结合的方法对前后帧检测到目标进行跟踪。为准确估计激光雷达检测到的动态目标的运动状态,采用高斯混合模型方法对动态目标的运动形式进行识别模型,建立直线运动估计模型和转弯运动估计模型,采用与目标当前运动形式对应的运动模型对动态目标的运动状态进行估计。本文通过KITTI公开数据集测试和实车测试对本文动态目标检测算法进行验证。利用KITTI数据集中的三维目标检测数据集和实车道路测试验证算法对动态目标检测和运动形式识别效果,实车测试验证对直线运动和转弯运动的动态目标运动状态估计效果。测试结果表明本文算法可以稳定地检测无人车周围的动态目标,为无人驾驶车辆动态障碍物避让提供可靠的动态目标信息。

关键词：无人驾驶车辆三维激光雷达动态目标检测运动状态估计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于三维激光雷达橘树三维重建方法研究

基于三维激光雷达橘树三维重建方法研究

作者：黄金其湖南农业大学

学位级别：硕士

柑橘是南方重要经济作物,橘树三维模型对果园机械实现智能化有重要研究意义。目前,三维激光扫描仪获取的数据精度高,但价格昂贵、采集时间长且不具备移动性,而移动式三维激光雷达具备范围广、可移动性、价格适中,在作物表型测量等方面... 详细信息

柑橘是南方重要经济作物,橘树三维模型对果园机械实现智能化有重要研究意义。目前,三维激光扫描仪获取的数据精度高,但价格昂贵、采集时间长且不具备移动性,而移动式三维激光雷达具备范围广、可移动性、价格适中,在作物表型测量等方面得到关注和应用。选用QUANERGY公司M8型三维激光雷达扫描获取橘树三维空间信息并基于点云重建橘树三维模型展开试验。试验搭建M8点云数据采集平台,完成数据移动式采集,并依据点云类型对点云进行组合滤波处理;提出以中心点旋转结合ICP算法的拼接方法;采用最短路径算法连接骨架点,基于骨架线实现枝干重建。主要研究工作及结论如下:（1）点云数据获取,以M8为核心搭建橘树点云采集平台。采集平台主要由线性模组、伺服电机系统、控制器、M8等硬件构成。通过伺服电机系统精准控制激光雷达在线性模组上移动,采集橘树单面点云数据,通过移动速度与位姿合并点云。依据点云数据类型确定组合滤波方式进行离群点去除,获得较高精度点云,满足下一步点云拼接要求。（2）提出以点云中心点旋转采集点间角度结合ICP算法匹准方法。由于树木点云较为复杂,无法提取高质量点云特征向量;设置标靶采集对目标的全方位数据获取存在限制,可能因数据不全导致模型误差较大,提出以点云中心点旋转采集点间角度结合ICP算法匹准方法。通过算法找到点云的中心点,结合采集点间角度,进行点云的空间变换,完成点云粗拼接。利用ICP算法对粗拼接点云进行二次匹准,提高点云拼接精度。通过实验方法获取的模型三维尺寸相对误差在7.5%以内,试验结果满足三维点云提取骨架信息的要求。（3）三维模型重建。选择空间抽稀法处理点云数据,最大程度保留点云模型的特征。通过聚类算法选取聚类点表示点云骨架点,通过最短路径算法连接骨架点,得到与点云模型基本吻合的骨架线。试验通过管道理论模型和广义圆柱法基于骨架线重建,枝干的粗度主要由管道理论模型进行控制,枝干用圆柱体表示,对枝干添加树叶及纹理等渲染,获得视觉效果良好的果树模型。

关键词：橘树三维激光雷达数据获取点云拼接三维重建

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于三维激光雷达的道路环境感知

基于三维激光雷达的道路环境感知

作者：李博杨北京交通大学

学位级别：硕士

自从汽车诞生起人们就开始了对无人驾驶的无尽幻想。对于无人驾驶来说,难度不在于控制车辆而是在于如何让计算机代替驾驶员观察道路环境,这一点正是道路环境感知技术所研究的目标。具体而言,道路环境感知技术要能捕获道路环境信息,分割... 详细信息

自从汽车诞生起人们就开始了对无人驾驶的无尽幻想。对于无人驾驶来说,难度不在于控制车辆而是在于如何让计算机代替驾驶员观察道路环境,这一点正是道路环境感知技术所研究的目标。具体而言,道路环境感知技术要能捕获道路环境信息,分割道路当中的地面信息和各种障碍物并确定障碍物类别和位置。道路环境感知技术的提升对无人驾驶的技术研究和实际应用都有着重大价值。论文设计了基于三维激光雷达的道路环境感知系统,包括道路环境三维点云信息采集、点云信息预处理、基于连通域标记的点云分割和基于SVM的点云分类算法、基于改进Unet神经网络的体素分割算法和基于边界框生成的障碍物定位算法。点云预处理环节包括感兴趣区域划分、体素化和地面点云分割三部分。海量的点云数据经由感兴趣区域的划分和体素化处理,数据量大大减少。之后对比己有的基于随机抽样一致性和基于体素栅格高程差的地面点云分割算法,根据其不足和点云信息的特点,设计基于双阈值的地面点云分割算法。实现对于道路环境中地面与坡面的点云分割与滤除。障碍物点云的分割环节采用两种方法实现,一是基于连通域标记和SVM的障碍物点云分割分类算法。结合点云图像特征,采取基于多尺度的连通域标记算法完成对障碍物点云分割,降低过分割现象。之后选取障碍物点云的几何外形特征及激光强度等特征训练SVM分类器,实现对分割后的障碍物点云的分类。二是基于改进Unet神经网络模型的体素分割算法。分析彩色图像领域常用的两种分割模型Unet和Deeplab的特点与其应用在点云图像中的困难。之后根据点云图像的特性,改进Unet网络模型。同时设计二值图优化方法,优化点云图像的体素分割效果。点云障碍物定位采用基于边界框的障碍物定位算法。首先对比己有的基于最小矩形框和基于距离和的边界框生成算法,分析其优势和不足并结合障碍物点云的特点,设计基于补点的边界框生成算法。通过计算边界框的几何中心实现对障碍物的定位。最终基于三维激光雷达的道路环境感知系统可以实现对校园和园区的道路环境点云信息的采集、道路环境中行人、车辆和其他障碍物的分割与分类以及行人和车辆障碍物的定位,准确率高达92.8%。

关键词：三维激光雷达环境感知神经网络

基于三维激光雷达与RTK融合的SLAM研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

制造业自动化 2020年第7期42卷 51-54页

作者：倪志康厉茂海林睿孙立宁刘仕琦苏州大学机电工程学院苏州215021

定位与建图是机器人智能行驶的关键问题,在信息较为复杂的室外环境下,针对长时间运行累积误差的问题,导致建立精确的地图面临巨大挑战,提出一种利用因子图融合三维激光雷达与RTK的SLAM方法。利用RTK的位姿信息,对三维激光的位姿信息增... 详细信息

定位与建图是机器人智能行驶的关键问题,在信息较为复杂的室外环境下,针对长时间运行累积误差的问题,导致建立精确的地图面临巨大挑战,提出一种利用因子图融合三维激光雷达与RTK的SLAM方法。利用RTK的位姿信息,对三维激光的位姿信息增加约束,减少累积误差。利用小型轮式移动机器人在室外环境下进行数据采集和实验验证,实验结果表明,融合RTK与三维激光雷达的方法可有效的提高在室外环境中的定位与建图精度。

关键词：三维激光雷达 RTK 多传感器融合因子图智能移动机器人

面向无人驾驶的三维激光雷达目标检测与追踪算法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向无人驾驶的三维激光雷达目标检测与追踪算法研究

作者：任禹衡吉林大学

学位级别：硕士

无人驾驶是通过传感器获取环境信息,由计算机系统实现对车辆操控的一种新兴技术,成熟的无人驾驶系统可以做到完全不需要人类进行干预。最近几年,由于人们需求的增加,无人驾驶技术的发展进入井喷期,并且随着人们不断深入探索无人驾驶技术... 详细信息

无人驾驶是通过传感器获取环境信息,由计算机系统实现对车辆操控的一种新兴技术,成熟的无人驾驶系统可以做到完全不需要人类进行干预。最近几年,由于人们需求的增加,无人驾驶技术的发展进入井喷期,并且随着人们不断深入探索无人驾驶技术,对环境感知可靠性的要求也在不断提升。三维激光雷达作为无人驾驶车辆最重要的数据采集传感器之一,具有精度高、抗干扰能力强等特点,基于三维激光雷达的目标检测和追踪是无人驾驶车辆环境感知的重要组成部分,它使车辆能够检测到周围的物体并估计其轨迹、预测其运动状态,以达到使无人驾驶车辆遵循特定的路线行驶、避免与其他物体发生碰撞的目的。本文研究成果依托于吉林大学机器人研究组,开展应用于无人驾驶的目标检测与追踪算法,以Velodyne HDL-32E三维激光雷达作为主要数据源,在目标检测过程使用栅格地图法完成目标聚类并提取目标的特征信息,根据目标检测的结果通过数据关联和状态估计操作实现对目标的追踪功能,主要研究工作如下:(1)目标检测模块,将三维点云数据映射到二维的栅格地图中,并根据栅格单元间的关联和其中统计的高度信息,滤除地面点和噪声点等无关点云数据。在点云聚类时,为了解决随着目标与激光雷达间距离的增加,扫描到目标的点云密度逐渐稀疏而导致聚类效果不稳定的问题,本文提出一种根据目标与雷达间的距离进行自适应设定聚类目标所需点云数量阈值的方法,提高了对远处目标聚类效果的同时降低了对近处噪声误聚类的概率。随后,通过最小外接矩形法提取聚类结果中目标的特征信息。(2)对于目标追踪中的数据关联,为了快速有效地解决多对多数据间关联的问题,本文提出一种将最邻近滤波器和联合概率数据关联滤波器思想融合的方法来关联相邻时刻的目标数据,该算法可以在有效处理复杂情况下数据关联问题的同时降低计算的复杂度。(3)对于目标追踪中的状态估计,为了得到准确的目标状态信息,本文建立适用于在二维坐标系下对目标进行追踪的扩展卡尔曼滤波器模型,修正当前时刻目标的状态信息并预测出目标下一时刻的运动状态。(4)设计并实现了一种轨迹管理器,存储所有已追踪目标在不同时刻时的轨迹数据,并实时地对轨迹中的目标状态进行更新。

关键词：无人驾驶三维激光雷达目标检测目标追踪数据关联

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于三维激光雷达的无人船目标检测

基于三维激光雷达的无人船目标检测

作者：赵玉梁哈尔滨工程大学

学位级别：硕士

无人船是一种多种功能于一体的水面人工智能平台。无人船平台对环境感知的需求是多方面的,在低速行进执行任务过程中,重要的一点就是目标检测,并能在目标检测基础上,对目标进一步进行识别和分类,以便进行避碰操作或任务变更。在目前的... 详细信息

无人船是一种多种功能于一体的水面人工智能平台。无人船平台对环境感知的需求是多方面的,在低速行进执行任务过程中,重要的一点就是目标检测,并能在目标检测基础上,对目标进一步进行识别和分类,以便进行避碰操作或任务变更。在目前的传感器中,三维激光雷达由于其测距精度高、探测范围较大等优点作为本目标检测系统的主要传感器。因此本文研究的重点是基于安装在无人船平台的三维激光雷达的实时目标检测,并进一步扩展进行目标的识别。本文将主要实现周围环境信息中目标的检测,为了将目标检测结果更近一步分析,将根据根据目标检测的结果进行识别。目标检测方面首先介绍了采用的Velodyne VLP-16三维激光雷达传感器,并对坐标校准的内参模型与外参模型进行了分析,对激光雷达的数据进行预处理。然后采用基于栅格地图的点云处理及目标检测识别方法,将原始三维激光雷达点云进行栅格化,并进一步进行了属性判断。为了减小干扰噪声,分别进行栅格地图中的悬空点、单点滤除。由于栅格地图检测易产生欠分割,采用基于点云梯度分割方法进行栅格地图法的补充,对激光束回波点进行梯度分割,为栅格地图聚类提供有效依据,在聚类后进行了目标的轮廓特征提取。对于目标识别及分类,本文将无人船环境中的目标分为三大类:船只、水面小目标、其他非水面目标。分类的主要思想是先进行水面目标及非水面目标区分,然后在水面目标中根据几何特征来区分船只。针对船只的几何形状复杂难以识别等问题,提出了三种有针对性的特征描述:回波强度特征、高度分布特征和姿态性质。最后根据目标的栅格地图特征,实现了基于支持向量机分类器的实时目标检测。并在车载平台进行了模拟实验,验证了本文目标检测特征的有效性,并且整体系统能有较好的目标检测精度和实时性能。

关键词：无人船目标检测目标识别三维激光雷达

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于三维激光雷达的障碍物目标检测与跟踪

基于三维激光雷达的障碍物目标检测与跟踪

作者：史永喆合肥工业大学

学位级别：硕士

激光雷达由于可以还原丰富的环境信息,并且不受光照等环境因素影响,近几年来于无人驾驶环境感知中具有广泛应用。本文主要针对无人驾驶系统对周围障碍物信息的环境感知需求,自主搭建智能汽车测试平台,开展基于三维激光雷达的障碍物目标... 详细信息

激光雷达由于可以还原丰富的环境信息,并且不受光照等环境因素影响,近几年来于无人驾驶环境感知中具有广泛应用。本文主要针对无人驾驶系统对周围障碍物信息的环境感知需求,自主搭建智能汽车测试平台,开展基于三维激光雷达的障碍物目标检测及跟踪方法研究,能为无人驾驶车辆的自主安全行驶提供障碍物目标的状态信息。主要研究内容如下:(1)搭建了基于三维激光雷达的智能汽车测试平台,分析点云数据特点并且建立激光雷达坐标系、车辆坐标系以及两者之间的坐标转换关系,开发应用软件为后续点云数据处理提供基础。(2)针对地面点云分割环节中基于单一高度阈值导致的分割算法准确度不足的问题,提出一种多迭代平面拟合法。通过最小二乘法进行平面拟合,以此来还原环境路面,并结合高度特征判定地面点云;在此基础上,去除地面点云数据,得到障碍物点云数据。(3)根据激光雷达的工作扫描原理,提出一种基于扫描线的聚类标记算法;对激光雷达的距离分辨率进行分析,建立在聚类算法中距离阈值的动态取值准则,可以有效减少聚类算法的计算成本,并提高算法的聚类效果。对于点云聚类结果,使用矩体模型进行数据建模,获取障碍物的特征信息。(4)在障碍物数据关联过程中,根据前后帧间的同一障碍物其点云结构近似的特点,在最近邻数据关联算法基础上引入障碍物特征参数,提高关联算法鲁棒性;获取在感兴趣区域中进出的障碍物目标信息,提出了基于距离差值的动态障碍物提取算法,并利用卡尔曼滤波器对动态障碍物目标进行跟踪。本文在智能汽车测试平台中进行实地数据采集,并对本文所提出的点云数据处理算法进行实验验证。实验结果表明,在感兴趣区域范围中,本文算法能够实现障碍物目标的稳定检测与实时跟踪。

关键词：无人驾驶三维激光雷达点云数据障碍物目标检测数据关联

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于三维激光雷达的无人艇避障系统研究

基于三维激光雷达的无人艇避障系统研究

作者：孙迎坤燕山大学

学位级别：硕士

随着智能驾驶的兴起,无人艇作为一种重要的海洋设备,正在被广泛的研究并应用于实际。自主避障作为无人艇研究中的一个重要分支,一直受到人们关注,一艘可以实现航线规划与避障的无人艇,可有效解决无人艇在水面上遇到的各种问题,保障无人... 详细信息

随着智能驾驶的兴起,无人艇作为一种重要的海洋设备,正在被广泛的研究并应用于实际。自主避障作为无人艇研究中的一个重要分支,一直受到人们关注,一艘可以实现航线规划与避障的无人艇,可有效解决无人艇在水面上遇到的各种问题,保障无人艇航线任务的顺利完成。本文基于三维激光雷达对无人艇避障系统的障碍物检测方法与避障方法进行了研究,主要研究内容如下:首先,本文综述了国内外无人艇的障碍物检测方法及其避障方法的研究现状,并分析了其优缺点;根据激光雷达的特点与无人艇的运动特性,本文建立了激光雷达的平面仿真模型与无人艇的运动数学模型。其次,使用栅格地图的方法对激光雷达检测到的障碍物信息进行分析。利用基于密度的并且自适应阈值变化的近邻栅格聚类方法,对障碍物分组聚类。利用最小凸包法与最小二乘法结合的方式,对聚类好的数据进行处理,提取障碍物的轮廓,并将前后两帧的激光雷达数据进行关联,确定障碍物的状态信息。然后,设计了无人艇的避障路径规划方法。对无人艇在实际中的运行约束条件进行分析,利用无人艇的最大转弯角对全局避障算法进行分析,改进了A算法。通过对障碍物所在区域的判断,以及计算无人艇与障碍物的相对速度,并根据海事规则与约束条件,设计局部躲避动态障碍物的方法,躲避近距离的动静态障碍物,并将局部避障算法与改进的A算法相结合。最后,搭建了无人艇的避障系统,并在室外环境下验证无人艇水面航线规划与避障实验。

关键词：无人艇三维激光雷达障碍物检测避障规划

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于三维激光雷达的实时目标检测

基于三维激光雷达的实时目标检测

作者：程健浙江大学

学位级别：硕士

无人自主车是一种集环境感知、规划决策、运动控制功能于一体的人工智能平台。无人车对周围环境的感知需求是多方面的,其中之一就是对障碍物进行检测,并在此基础上,对感兴趣的目标,如车辆和行人,进一步进行检测和判别,以便合理应对。在... 详细信息

无人自主车是一种集环境感知、规划决策、运动控制功能于一体的人工智能平台。无人车对周围环境的感知需求是多方面的,其中之一就是对障碍物进行检测,并在此基础上,对感兴趣的目标,如车辆和行人,进一步进行检测和判别,以便合理应对。在可使用的传感器中,激光雷达由于其高精度测距、探测范围大、抗干扰能力强等优点,近年来在移动机器人上的应用越来越广泛。因此本文研究的重点是基于三维激光雷达的目标检测。本文将目标检测分为障碍物检测和目标分类两个阶段。对于障碍物检测,首先介绍了论文研究的64线激光雷达传感器,并推导了三维点云坐标转化的内参模型和外参模型。采用基于障碍栅格的检测方法,将三维点云进行栅格投影和属性判断。为了抑制传感器和环境噪声,进行悬空点滤除和单点滤除。障碍栅格检测具有快速稳定,缺点是对数据的分割精度较低,易产生欠分割。因此本文提出了基于点云梯度的局部最优分割方法,首先对扫描线的点进行梯度分割,然后在聚类的分割段中依据障碍属性滤除误检,最后根据可靠的非障碍点估计局部地面来恢复漏检点。实验表明基于点云梯度的局部最优分割方法效果比栅格方法好,但由于其计算量较大,实时性受到限制。在得到障碍物信息的基础上,采用基于距离相关性的聚类和提取障碍物轮廓,并讨论了障碍的可通行区域检测。对于目标分类,本文将环境中的障碍物分为三类：车辆、行人、其它。检测过程中自主车是运动的,因此无论障碍物是否运动,在自主车看来都是运动的,所以本文不从是否运动的角度来分类障碍物。这样做的好处是即使车辆或者行人是静止的,也能得到较好的检测。分类的主要思想是先检测车辆和非车辆,然后在非车的障碍物中根据简单几何特征来判断行人。针对车辆几何形状相似难以区分和物体遮挡等问题,提出了三种新特征描述：反射强度概率分布、纵向高度轮廓分布和位置姿态相关特征。最后根据障碍物的三维点云数据特征,实现了基于SVM分类器的实时车辆检测。在城市复杂路口下实验,验证了本文所提车辆和行人检测特征的有效性,并且整体系统能有较好的目标检测精度和实时性能。

关键词：三维激光雷达障碍检测机器学习目标分类