检索结果-南通市图书馆

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

基于生成对抗网络的点云增强方法研究

基于生成对抗网络的点云增强方法研究

作者：段金玺西安电子科技大学

学位级别：硕士

在三维视觉领域中,点云是一种经典的表示方式。基于激光雷达等物理传感器采集到的点云数据存在着含噪声、低分辨率等问题,无法满足如自动驾驶、虚拟现实等计算机视觉的应用需求,因此对点云数据增强方法的研究有重要意义。即给定分辨率... 详细信息

在三维视觉领域中,点云是一种经典的表示方式。基于激光雷达等物理传感器采集到的点云数据存在着含噪声、低分辨率等问题,无法满足如自动驾驶、虚拟现实等计算机视觉的应用需求,因此对点云数据增强方法的研究有重要意义。即给定分辨率较低的点云作为输入,通过点云增强方法得到稠密、高分辨率的点云。传统方法多使用对称性假设、数据库先验模型匹配等算法完成该任务,存在对噪声较为敏感和通用性较差的问题。近年来,随着Point Net和Point Net++的提出,人们可以使用神经网络中的自动编解码器结构直接处理点云数据,充分挖掘和提取点云数据特征,在处理点云的分类、分割问题上有成功的应用。相对于自动编解码器结构,生成对抗网络利用对抗博弈的思想,充分探索在空间中的潜在分布,在二维图像的超分辨等领域中表现出了巨大的潜力,且目前在点云数据增强中的应用较少。因此,本文采用生成对抗网络的思想构建点云增强网络,旨在对含噪声的、分辨率较低的输入点云进行增强,提升点云质量。本文的主要工作如下:首先,本文针对点云增强任务,搭建了基于生成对抗网络的框架,设计了一种基于稠密连接图卷积的点云增强网络,主要分为生成器、判别器两部分,通过生成器产生负样本,并结合原有作为正样本的标签点云训练判别器。在生成器中,通过最近邻算法构建图的结构,对多个包含跳跃连接的图卷积模块进行整合,旨在提取并聚合网络中不同尺度的特征,并使用位置编码模块增强网络对点云空间信息的感知。在结合生成器损失、判别器损失、重建损失和分布损失的联合约束下,得到最终分辨率较高的稠密点云。其次,为了加强对输入点云数据的长距离信息的提取能力,并加强局部邻域特征之间的联系,本文在上述方法的基础上,在生成器引入自注意力和局部注意力机制,并在判别器引入自注意力机制,提出了一种基于注意力机制改进的点云增强网络,进一步提高点云增强的效果。最后,本文在Visionair等数据集上进行实验,通过本文的两种方法,可将预测后点云的数据量提高为原始输入数据量的四倍。定量的结果表示,与基于Point Net++的方法相比,基于注意力改进的方法使倒角距离从0.98×10降低至0.52×10 ,并且在不同的输入数据上有一定的泛化性。此外,本文对不同分辨率输入和不同噪声输入的数据上进行测试,进一步验证了基于注意力机制改进点云增强网络的有效性和鲁棒性。

关键词：点云增强生成对抗网络图卷积注意力机制

基于分割先验的弱支撑平面三维点云增强方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于分割先验的弱支撑平面三维点云增强方法研究

作者：汪光跃国防科技大学

学位级别：硕士

虽然当前基于图像的三维重建已经取得了较大的成功,但是有一类物体表面的重建效果仍然不理想,这类表面在现实场景中非常常见,主要包括镜面物体（比如玻璃、水面等）和弱纹理物体（比如白墙、瓷砖地面等）的表面。在传统的三维重建框架中... 详细信息

虽然当前基于图像的三维重建已经取得了较大的成功,但是有一类物体表面的重建效果仍然不理想,这类表面在现实场景中非常常见,主要包括镜面物体（比如玻璃、水面等）和弱纹理物体（比如白墙、瓷砖地面等）的表面。在传统的三维重建框架中,该类表面在稠密点云重建过程后会出现点云缺失的情况,造成没有足够的点云支撑进行表面重建,所以称之为弱支撑表面。本文主要针对含此类表面中平面形状的场景（即“弱支撑平面”）的三维重建问题进行研究,在传统三维重建框架中加入点云增强的步骤进行改进。本文提出的弱支撑平面点云增强算法主要分为两个阶段,先对含噪的先验信息进行精细化,再利用精细化后的分割掩模施加平面约束,使得弱支撑平面转化为强支撑平面。因此,本文主要完成以下工作:（1）提出了一种弱支撑平面单掩模驱动的多视图分割方法。以初始平面分割掩模为基础,深度图与置信度图边缘信息为导向的方法,生成多视图精细化分割掩模,提升平面分割先验信息的精度。首先,将初始平面分割掩模中高置信度的像素点反投影到三维中。接着,在RANSAC框架下进行平面拟合,得到弱支撑平面在三维中的表达参数。然后,通过聚类算法,得到该三维平面的区域位置。最后,通过弱支撑平面边框上的三维点重投影到各个平面可见视图中,得到准确的多视图平面分割掩模。（2）提出了一种基于平面约束的稠密点云增强方法。针对弱支撑平面缺乏点云支撑这一问题,有效利用多视图平面分割先验等信息,进行弱支撑平面中的错误点云校正与缺失点云补全。首先,从弱支撑平面的空间参数出发,对高置信度三维点拟合平面的过程进行分析,得到弱支撑平面在三维空间中的法向量。接着,依据平面法向量与精确的多视图分割掩模等信息,基于重投影的方法对弱支撑平面中位置错误的点云进行校正。然后,使用单张分割掩模施加平面区域限制,通过像素反投影对弱支撑平面中缺失点云补全,并对补全点云在弱支撑平面法向量的方向上添加轻微扰动,最终实现了弱支撑平面的点云增强。为了验证本文方法确实优于传统三维重建方法,本文在DTU标准数据集与自行采集的数据上进行实验对比,并对重建结果进行了分析。首先,在DTU标准数据集上进行定性与定量的实验比较,结果表明本文方法重建的三维点云具有较好的准确性与完整性。接着,在自行采集的真实场景数据集上进行表面重建效果对比,本文方法能够准确完整地恢复出弱支撑平面。最后,对传统三维重建框架加入本文点云增强算法前后的重建结果进行对比,充分证明了本文方法的有效性。

关键词：弱支撑平面点云增强分割掩模多视图重建

航空发动机叶片三维测量的点云增强迭代最近点拼接及处理研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

航空发动机叶片三维测量的点云增强迭代最近点拼接及处理研究

作者：向振河北工业大学

学位级别：硕士

随着中国民用航空行业的蓬勃发展，航空发动机叶片的维修技术在航空领域的作用也越发重要。叶片作为航空发动机中的关键零件，因其工作环境恶劣而容易受损伤，又因其工作性质要求形状精准，所以叶片的三维测量重构、焊接修复技术在航空... 详细信息

随着中国民用航空行业的蓬勃发展，航空发动机叶片的维修技术在航空领域的作用也越发重要。叶片作为航空发动机中的关键零件，因其工作环境恶劣而容易受损伤，又因其工作性质要求形状精准，所以叶片的三维测量重构、焊接修复技术在航空领域中占有重要的位置。在叶片的三维测量重构中，点云的处理和拼接的算法目前仍然不成熟，因此研究高精度、快速的三维点云数据处理技术对提高航空领域竞争力具有重要的意义。在详细了解国内外学者对三维点云数据的预处理、拼接和后处理算法研究现状的基础上，针对航空发动机叶片曲面形状和高精度的要求，提出了基于点云增强技术的改进ICP （Iterative Closest Point）算法的点云精拼接算法;又提出了包围盒法和曲率精简法相结合的点云精简算法。在采集系统对叶片多视场三维数据采集后，经过k-d树算法对点云快速去噪处理的点云数据依然非常庞大，采用曲率精简法和包围盒精简法相结合的算法进行点云数据精简。在点云数据的拼接算法中，首先对不同视场下的点云数据进行粗拼接，粗拼接后两幅点云有比较接近的初始位置，能够满足ICP算法对点云初始位置的要求。由于ICP算法在搜索最近点时容易出现局部极值问题，提出一种新的方法即在对应点对的搜索中如果没有找到符合要求的点，则对点云进行局部增强，防止出现错误配准。采用新算法提高点云拼接的精度，使拼接的标准偏差小于0.004mm;提高了拼接的效率，所需要的迭代时间比传统的ICP方法减少500s以上。点云数据拼接后利用三角化填充方法对孔洞进行处理，点云数据转化为多边形，用多边形构造曲面，实现叶片的三维重构。对某型号的航空发动机叶片经过三维点云数据的预处理、拼接和后处理算法后，利用三维逆向软件重构出其三维模型，并对其三维点云数据精拼接平均距离、标准偏差等实验结果进行分析。本算法精度符合航空发动机叶片的修复标准，实验表明提出的拼接算法在精度上有很大提高，效率也有一定提高，满足工业实际要求。

关键词：航空发动机叶片点云拼接点云增强改进ICP算法点云精简

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于点云增强的网格化优化算法

计算机与现代化 2021年第3期 101-107页

作者：杨雨航杨耀权刘宏飞华北电力大学(保定)控制与计算机学院河北保定071003

针对三维点云在采用传统泊松算法进行网格化重建时,重建时间较长并且最终重建出的模型存在孔洞和局部细节缺失等问题,提出一种基于点云增强的网格化优化算法。该算法首先通过统计滤波对初始点云进行降噪处理,为了在保证细节特征的基础... 详细信息

针对三维点云在采用传统泊松算法进行网格化重建时,重建时间较长并且最终重建出的模型存在孔洞和局部细节缺失等问题,提出一种基于点云增强的网格化优化算法。该算法首先通过统计滤波对初始点云进行降噪处理,为了在保证细节特征的基础上提高重建效率,在通过体素滤波进行适当点云降采样的同时利用双三次样条插值进行点云孔洞修复,然后将移动最小二乘法误差函数引入到点云法向计算中以优化点云法向量的质量。实验结果表明,优化后的网格化算法较传统泊松重建算法耗时更短,并且在一定程度上提高了重建模型的准确度。

关键词：三维点云点云增强泊松重建移动最小二乘法

雪天条件下激光雷达性能衰减分析与检测增强方法研究

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

雪天条件下激光雷达性能衰减分析与检测增强方法研究

作者：朱薛豪吉林大学

学位级别：硕士

路侧激光雷达作为一种新型主动视觉传感器,具有光照变化不敏感、高分辨率、高精度和覆盖范围广等特色优势,理论上可获得比传统线圈、地磁和微波传感器精度更高、粒度更小及包括位置、速度、方向和轨迹等在内的范围更广的交通流参数信息... 详细信息

路侧激光雷达作为一种新型主动视觉传感器,具有光照变化不敏感、高分辨率、高精度和覆盖范围广等特色优势,理论上可获得比传统线圈、地磁和微波传感器精度更高、粒度更小及包括位置、速度、方向和轨迹等在内的范围更广的交通流参数信息,已被广泛应用于自动驾驶和车路协同等领域的车载和路侧交通感知,为交通安全防控与预警和精细化交通管控与决策等提供微观尺度的交通流信息。但是,在雪天条件下,受雪花遮挡、吸收、衍射及散射等影响,激光线束的穿透率、能量强度和传输距离均可能呈现不同程度的衰减,激光雷达的检测精度、检测距离和检测范围也可能会受到不同程度的影响,雪天环境下交通感知效能的折损易给使用者带来潜在的安全隐患,容易因为激光雷达的漏检、误检而引发交通事故。因此,本文通过分析不同降雪条件下激光穿透特性,构建不同降雪量下激光雷达性能衰减模型,根据激光雷达在雪天环境下的衰减特性,研究雪花影响下的降噪去噪及背景过滤方法,在此基础上,通过对激光点云的数据增强,提高雪天环境下激光雷达交通目标检测性能。本文的具体工作内容如下:(1)构建了不同降雪量下激光检测性能衰减模型。针对激光在大气中特别雪天环境中传输时由于空气中的雪花折射和反射易发生激光衰减现象,阐述激光雷达的性能特点及其测距原理并分析激光线束在不同降雪强度下传输过程中的功率衰减情况,基于Mie散射理论和实验实测,给出最远探测距离线性随激光反射率变化的关系式,考虑激光在空气传播过程中发生二次衰减,进一步给出激光衰减系数与最远探测距离之间的关系式,以此为基础,构建了基于降雪量和激光反射率的雪天激光衰减关系模型。基于Velodyne VLP-16构建路侧激光雷达环境感知系统,以指定降雪量区间范围连续三个小时的真实环境降雪量划分降雪等级,并设计实验对真实场景的雪天衰减模型进行验证分析。结果表明,在限定精度阈值内不同降雪等级下该模型所得最远探测距离与实际探测距离的相对误差在0.5%到13%之间,所提出模型能够表征激光雷达最远探测距离随降雪量和激光反射率变化的关系。(2)提出了雪天条件下的点云降噪和目标聚类方法。针对雪天条件下地面凹凸不平地面平面难以拟合的问题,分析雪地平面与常规地面平面的差异性,基于雪地平面的平均高程和地面点数提出一种改进RANSAC的雪天地面点滤除算法。针对地面拟合后不同降雪量天气下雪花引起的目标遮挡、点云数据精度低的问题,基于降雪环境噪声分布特性,以DROR与DSOR算法为基础,提出一种混合滤波的雪天降噪算法,在此基础上分析降噪后数据空间分布特性,针对不同降雪天气,设计了一种基于三维空间的3D-DBSCAN目标聚类算法。基于Velodyne VLP-16构建路侧激光雷达环境感知系统,并输入前章中采集的真实降雪环境数据,设计消融实验对雪天条件下的地面点过滤、雪花噪声滤除、点云聚类方法进行了敏感性分析。结果表明,在不同降雪量条件下采用混合滤波+3DDBSCAN聚类算法相较于无滤波+传统DBSCAN聚类算法和混合滤波+传统DBSCAN聚类算法的目标检测准确率均有提升,其中小雪提升15.56%和4.39%,中雪提升17.24%和7.73%,大雪提升20.38%和11.18%,不同降雪量条件下有效检测范围均有提升,其中小雪提升17.12%和9.06%,中雪提升18.06%和7.73%,大雪提升19.35%和11.0%。(3)研究了雪天条件下点云数据扩增与目标分类识别方法。针对雪天环境中主要交通目标点云密度低轮廓结构不完整的现象,提出基于镜像平面的车辆点云数据增强算法,通过计算目标点云三维包围框的镜像平面,删除误差大的稀疏点云和镜像复制距离近的高密度点云,以还原雪天环境下主要交通目标点云的结构为目标,达到实现单一传感器对点云扩增的效果。在数据增强的基础上拟融合多个机器学习模型并赋予不同的权重构建一个融合模型,根据XGBoost、Light XGB和Cat Boost模型基础理论,提出多机器学习模型融合的交通目标分类算法,通过训练优化模型的权重,使其分类效果达到最优。结果表明,经过数据增强后,近距离、中距离和远距离的车辆点云数量分别提升了71.03%、60.28%和41.27%,所提融合模型的分类方法在交通目标分类精度上分别提高了20.08%、20.02%和19.4%,平均精度提高了20.07%。

关键词：激光雷达雪天条件背景过滤目标检测点云增强

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

结合全景影像的车载点云数据增强方法研究

结合全景影像的车载点云数据增强方法研究

作者：张颖武汉大学

学位级别：硕士

随着智慧城市的发展,三维城市模型成为了构建智慧城市的基础数据,在城市规划以及交通导航等建设方面都有重要的意义。现有的城市三维建模数据以影像和激光点云数据为主,基于影像的城市三维重建由于其街景数据的复杂性以及影像上存在的... 详细信息

随着智慧城市的发展,三维城市模型成为了构建智慧城市的基础数据,在城市规划以及交通导航等建设方面都有重要的意义。现有的城市三维建模数据以影像和激光点云数据为主,基于影像的城市三维重建由于其街景数据的复杂性以及影像上存在的大面积的遮挡、近景影像的比例尺不一致等因素的影响,使得传统的影像自动匹配算法很难达到要求,且工作量大,时间长。随着激光雷达硬件技术的成熟,出现了车载LiDAR扫描系统,可快速直接地获取地物的密集三维空间点坐标,在一定程度上弥补了摄影测量中基于影像的传统的三维信息获取方式的不足,成为了重建三维模型的重要数据源,但激光点云数据仍会存在地物自遮挡或后景地物被前景地物遮挡的情况,导致地物三维信息不完整。车载移动测量系统中的激光扫描仪在获取激光点云数据的同时,搭载的全景相机传感器也采集到了街景影像数据。针对激光点云数据缺失的问题,本文利用车载的全景影像数据有针对性的去填补激光点云中的缺失信息,在避免重复作业采集数据的同时,又能得到真实信息来达到点云数据增强的目的。论文的主要工作和贡献如下:(1)对车载点云聚类方法进行研究,提出了一种基于图割的车载点云聚类算法。该算法在基于密度的点云分割算法DBSCAN(Density-Based Spatial Clustering of Applications with Noise)基础上,结合图割算法进行全局优化聚类,实验结果表明该算法减少了错分率,确保了更高的查全率。首先利用改进的DBSCAN算法对点云进行过分割生成点云超体素块,然后以超体素为节点建立图模型,利用图割方法进行全局最优聚类,得到最终的聚类结果,并基于典型地物特征进行地物分类识别及缺失区域的提取,确定了点云数据增强的目标区域。(2)精化车载点云与全景影像的配准参数。针对车载点云与全景影像的初始的配准参数受系统内部传感器间的姿态偏差等影响,而产生一定的误差的问题,采用半自动化的车载点云与全景影像配准参数精化方法,通过人工选取车载点云与全景影像数据中的同名特征点作为控制点,基于全景球面共线方程进行最小二乘平差得到更加准确的配准参数,使得两套数据配准精度更高,为点云数据增强提供一个良好的数据支撑。(3)对点云数据缺失填补问题进行研究,提出一种基于全景影像的车载点云填补方法。现有的点云填补方法主要以扫描数据中空洞及空洞周围的点云关系进行缺失信息填补,缺乏真实性。考虑到车载影像数据与点云数据获取的视角不同,本文利用影像填补缺失的点云数据。首先对检测到的点云缺失区域对应的影像投影区域进行分析,选取序列影像中可用于填补的影像对。然后针对全景影像变形严重,街景建筑纹理相似等问题,对全景影像分区域进行仿射变换,对变换后的局部影像块,进行基于局部几何约束的区域增长密集匹配,生成填补三维点;并进行点云间的融合,达到增强原始的点云数据的目的。

关键词：车载点云全景影像点云增强密集匹配

基于激光雷达与视觉的智能车障碍物检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于激光雷达与视觉的智能车障碍物检测算法研究

作者：陈世杰哈尔滨工程大学

学位级别：硕士

障碍物检测是高级辅助驾驶感知层中具有挑战性的研究任务,作为智能汽车(Intelligent Vehicle,Ⅳ)决策和执行的基础,是使其安全行驶的前提条件。激光雷达(Light Detection And Ranging,LiDAR)以精度高,稳定性强,不易受天气影响等优点,能... 详细信息

障碍物检测是高级辅助驾驶感知层中具有挑战性的研究任务,作为智能汽车(Intelligent Vehicle,Ⅳ)决策和执行的基础,是使其安全行驶的前提条件。激光雷达(Light Detection And Ranging,LiDAR)以精度高,稳定性强,不易受天气影响等优点,能够在复杂的环境下获取障碍物的位置及三维信息,在目标检测领域得到广泛使用,但由于点云具有稀疏性,容易造成障碍物信息的不完整。视觉相机能很好地获得障碍物的完整图像信息,且具有低成本,高分辨率等优点,与激光雷达能形成良好的互补关系。因此论文主要对LiDAR与相机的联合标定和联合障碍物检测算法进行深入研究。首先,介绍LiDAR与相机传感器的数据模态、常用的障碍物特征提取和分类方法,同时对多传感器的信息融合方案进行分析总结,针对障碍物检测中使用的数据集和评价指标进行详细的介绍,接着,阐述所选用的LiDAR与相机,建立起智能车常用坐标系,构建相机的数学模型,完成基于标定板的LiDAR与相机参数标定并分析其中存在的问题。然后,在传统基于深度学习的LiDAR与相机联合标定中,网络的输入为原始点云和原始图像数据,特征提取产生冗余,从而导致网络推理速度慢,针对此问题,提出一种基于深度图的LiDAR和相机联合标定算法,有效减少颜色等对标定无用的特征量。算法将视觉图片转化为深度图,同时将带有偏差的点云投影到图像坐标系下,作为深度学习网络的输入,特征数量减少,网络深度和宽度得到降低,使深度学习网络对数据的处理加快,从而降低训练时间,提高系统的实时性。通过数据集验证了基于深度图的LiDAR和相机联合标定算法的有效性。最后,针对障碍物日标点云信息不完整和被遮挡物体点云稀少,导致检测精度降低的问题,提出一种基于点云增强的联合目标检测算法。该算法将第一个区域生成网络(Region Proposal Network,RPN)预测的中心坐标反馈回点云增强模块,为点云增强模块提供障碍物存在的区域信息,对该区域内初始点云进行对称点云求取,并针对球面采样导致误差点引入过多的问题,提出了一种柱面采样的方法,使得点云准确性增强,提高了目标检测算法精度,特别是对被遮挡障碍物。通过数据集的测试,改进方案在训练速度和检测精度上优于原始算法,验证了该算法的有效性。

关键词：障碍物检测激光雷达视觉相机点云增强

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于无人机倾斜影像的网格重建方法研究

基于无人机倾斜影像的网格重建方法研究

作者：杨雨航华北电力大学

学位级别：硕士

近年来,随着国家大力发展计算机视觉等高新技术产业,小型无人机凭借其灵活的机动性,低廉的成本以及较强的安全性等优势,使得其在智慧城市、地形勘探、军事、考古等各个领域得以广泛应用。如今,无人机倾斜摄影技术能从不同的视角获取目... 详细信息

近年来,随着国家大力发展计算机视觉等高新技术产业,小型无人机凭借其灵活的机动性,低廉的成本以及较强的安全性等优势,使得其在智慧城市、地形勘探、军事、考古等各个领域得以广泛应用。如今,无人机倾斜摄影技术能从不同的视角获取目标场景影像序列,人们开始对基于无人机倾斜影像的三维重建技术进行深入的探讨和研究,商业三维建模软件也逐步成熟。但是与针对无人机影像间匹配的研究相比,针对三维网格模型重建技术的研究相对较少,且在实际应用中,传统的三维网格重建技术仍存在着成本较高、操作不便、重建效率较慢等许多问题。本文针对上述情况,对无人机倾斜摄影技术进行了深入学习,同时结合数字图像网格重建技术,对传统网格重建算法进行了优化,并围绕小范围室外真实场景展开实验研究。利用无人机可操作性强、获取影像数据便捷等方面优势,本文提出了一种基于无人机倾斜影像的网格重建方法,旨在尽量保证网格重建模型精度的基础上提高模型重建的效率、降低成本并提高可操作性。本文的主要研究内容如下:阐述无人机倾斜摄影技术的理论知识。包括无人机影像数据获取、像控点的布设、相机标定、从图像中获取点云所涉及的特征提取与匹配、稀疏点云重建、稠密点云重建等相关算法;此外还有无人机、云台、像控点等参数介绍。（1）实现了一种将滤波和插值相结合的点云增强处理算法。因人员、光线、设备、点云获取算法等方方面面的原因不可避免的出现误差,使得点云中存在噪点、离群点、孔洞等问题。本文实现了一种将统计滤波、体素滤波以及双三次样条插值三种方法相结合的点云增强处理方式,在剔除异常点的同时修补孔洞,提高了点云的整体质量。（2）给出了一种基于点云增强的网格重建优化算法。针对传统泊松网格重建算法中在进行点云法向估算时容易受到杂点干扰产生误差的问题,本文将移动最小二乘优化函数引入法向估算过程,提高了点云法向估算的整体质量。（3）本文通过小型无人机来获取目标图像序列,并把小范围室外真实场景作为实验对象,利用本文提出的网格重建方法重建目标场景的三维模型,同时将重建结果与传统商业建模软件进行了对比分析,验证了本文算法能满足基本的建模精度且建模效率更快的结论,最后对论文整体进行了总结与展望。

关键词：倾斜摄影点云增强网格重建无人机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多传感器融合的3D车辆检测算法研究

基于多传感器融合的3D车辆检测算法研究

作者：刘志强安徽工程大学

学位级别：硕士

自动驾驶车辆需要感知其所处的驾驶环境,以安全可靠地行进。对复杂的交通场景而言,单一的传感器很难进行鲁棒的感知,而成熟的感知方法需要结合多种传感器数据融合,获得充足的外界环境信息来确保车辆的主动安全。为此,本文采用多传感器... 详细信息

自动驾驶车辆需要感知其所处的驾驶环境,以安全可靠地行进。对复杂的交通场景而言,单一的传感器很难进行鲁棒的感知,而成熟的感知方法需要结合多种传感器数据融合,获得充足的外界环境信息来确保车辆的主动安全。为此,本文采用多传感器融合的方法,探究利用不同空间的传感器数据来改善驾驶环境中的车辆检测。本文从多传感器融合的不同方面进行了三项研究。主要涉及相机和激光雷达传感器的联合标定、点云密度增强和多模态特征融合的3D车辆检测,具体工作内容和贡献概述如下:(1)研究相机和激光雷达的联合标定方法。本文针对单目相机和激光雷达融合的3D车辆检测算法进行研究,分析了相机传感器的独立标定、相机和激光雷达传感器的联合标定的原理;设计了系列标定方案,搭建了实验系统;借助Open CV标定工具包、Autoware、RViz等工具,解算出相机和激光雷达联合标定后的内参和外参矩阵;完成相机和激光雷达的空间对齐,取得了较好的标定效果。(2)研究点云密度和语义增强的3D车辆检测算法。针对3D车辆检测中存在远距离和小目标检测精度低的问题,本文提出了一种用于3D车辆检测的点云密度和语义增强方法,D-S Augmentation。该方法主要分为两个阶段:第一阶段利用实例分割、点云投影和全局N近邻数据关联方法,完成点云的密度增强;第二阶段利用实例分割方法将图像中目标的类别标签和分割分数赋予投影点,并将增加一维特征的投影点云映射到点云空间,完成点云的语义增强。在nu Scenes和KITTI数据集上进行的大量实验证明了本文的D-S Augmentation的有效性和效率。在消融实验中,本文分析了融合模块对基线检测器的增强作用,并取得了较好的性能表现。(3)研究图像和点云的多模态特征融合网络。针对光照变化、目标遮挡和检测距离等因素会影响检测精度的问题。本文提出了一种多模态特征融合的网络,MFF-Net。首先采用空间变换投影算法,解决图像特征和点云特征融合时空间不一致问题。然后构建自适应表现力增强融合网络,增强重要特征的权重,同时提高特征的指向性。最后提出增加一维阈值方法,解决非极大值抑制算法中存在误检和漏检的问题。实验结果表明,本文提出的方法在KITTI和nu Scenes数据集上获得的检测精度和实时性优于之前最先进的多模态特征融合网络。

关键词：自动驾驶多传感器联合标定 3D车辆检测点云增强特征融合