检索结果-南通市图书馆

作者：张金磊西安理工大学

学位级别：硕士

近年来,随着人工智能技术的发展,无人驾驶的应用越来越广泛。而环境感知技术作为无人驾驶中至关重要的一环,主要包括获得道路场景中路面信息、障碍物信息以及确定无人车可通行区域等方面的内容,是无人车安全性和智能性的重要保障。随着... 详细信息

近年来,随着人工智能技术的发展,无人驾驶的应用越来越广泛。而环境感知技术作为无人驾驶中至关重要的一环,主要包括获得道路场景中路面信息、障碍物信息以及确定无人车可通行区域等方面的内容,是无人车安全性和智能性的重要保障。随着传感器设备的发展,激光雷达采集技术在自动驾驶上得到广泛应用,使得无人车能够捕获更多的道路环境信息,更加利于车辆感知周边的道路情况,从而做出合理路径规划和行为操作。但是由于激光雷达设备的昂贵和场景数据的复杂性,使得激光雷达环境感知技术的研究仍然是一项富有挑战性的前沿课题。为此,本文基于车载激光雷达采集的点云数据,围绕无人车道路环境感知的几个关键技术展开研究,主要完成了以下工作:(1)实现了一种基于分段校准的RANSAC地面分割方法。该方法通过对场景点云数据进行等距分段,针对每段点云数据采用水平校准方法来解决场景地面不平坦的问题,利用RANSAC方法对分段的数据集进行平面分割,并将各分段点云数据的分割结果进行融合,从而完成场景地面的分割。(2)提出了一种基于体素化的DBSCAN聚类和基于结构特征的障碍物识别方法。该方法通过对非地面点云数据的栅格化以剔除不利于聚类的栅格单元,然后对栅格内所有点的质心点进行DBSCAN聚类,实现障碍物的聚类分割;针对分割后的点云聚类簇,选择并提取障碍物的结构特征信息,利用JointBoost分类器实现特征判定并得到初步的分类概率,然后再次结合特征对分类器得到的结果进行优化,完成障碍物的分类识别。(3)设计了一种基于道路结构分析的道路边界检测方法。该方法首先利用点云数据中存在的高程突变特征提取道路边界候选点,然后通过地面分割得到的先验条件约束来筛选提取的边界候选点,剔除落在道路行驶区域的非道路边界的错误点,最后采用最小二乘法对正确的候选点进行拟合,得到最终的道路边界线。(4)构造了一种道路可通行区域的分析方法。首先对道路区域的数据进行栅格处理,根据每个栅格包含的点数据量采用八邻域标记算法进行标记,确定该栅格是否为可通行区域,然后对道路边界悬空障碍物判断更新可通行区域,完成道路可通行区域的检测。经过实验验证,本文实现的环境感知技术能够满足无人驾驶实时性和鲁棒性的要求,并且丰富了环境感知技术的方法体系。

关键词：环境感知无人驾驶障碍物分割障碍物识别道路边界检测可通行区域检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

车辆视觉导航方法研究

车辆视觉导航方法研究

作者：卢卫娜西北工业大学

学位级别：硕士

智能车辆技术是智能交通系统研究的热点领域,开展智能车视觉导航的关键技术——道路识别方面的研究,对确保车辆行驶安全和实现无人驾驶起着至关重要的作用。论文从道路环境理解的角度出发,针对智能车辆视觉导航中的车道保持问题,运用... 详细信息

智能车辆技术是智能交通系统研究的热点领域,开展智能车视觉导航的关键技术——道路识别方面的研究,对确保车辆行驶安全和实现无人驾驶起着至关重要的作用。论文从道路环境理解的角度出发,针对智能车辆视觉导航中的车道保持问题,运用单目视觉技术对行驶车辆前景中的道路边界和车道线进行检测,以获取本车与当前道路的相对位置信息和方向信息。在综合设计道路视觉导航系统的同时,文中主要对软件处理算法进行了深入研究与实现。首先,在灰度转化、滤波去噪和增强对比度等图像预处理的基础上,利用投影法找出图像中的路面水平分界线,并由此划分出初始检测的感兴趣区域;然后,利用梯度算子卷积运算、梯度方向链码量化、非最大抑制细化边缘以及边缘点跟踪搜索等处理方法,对道路边界和车道线进行特征提取,针对车道线亮度的特殊性,还采用了另一种最大类间方差阈值分割的提取方法进行了对比;最后,依据驾驶经验、先验知识和数学描述建立道路模型,利用最小二乘的直线和二次曲线拟和技术,分别对直路和弯路进行模型匹配,识别出道路的位置和形状。此外,论文还对行车参考路径、本车实际的位置偏差和方向偏差等做了分析和探讨;针对大量图像序列,设计了一种循环处理算法,利用前一帧结果缩减当前图像的带状搜索窗,在很大程度上提高了程序的执行效率。通过实地采集的交通图像,对论文提出的算法进行验证,结果表明,算法具有快速、稳定、准确的特性。

关键词：智能车视觉导航道路边界检测车道线检测特征提取模型匹配

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

室外环境下基于稀疏点云的可通行区域检测

室外环境下基于稀疏点云的可通行区域检测

作者：庄博南京理工大学

学位级别：硕士

环境感知作为移动机器人的“眼睛”,是其导航定位与规划控制的基础。因此,实时有效的可通行区域检测具有至关重要的作用。多线激光雷达凭借其优良的几何特性、精准的测量特性和稳定的工作特性,在环境感知领域具有不可替代的地位。针对... 详细信息

环境感知作为移动机器人的“眼睛”,是其导航定位与规划控制的基础。因此,实时有效的可通行区域检测具有至关重要的作用。多线激光雷达凭借其优良的几何特性、精准的测量特性和稳定的工作特性,在环境感知领域具有不可替代的地位。针对现有方法在室外复杂环境下检测性能不足的问题,本文基于VLP-16的稀疏点云数据,研究面向室外复杂环境的可通行区域检测方法。旨在克服复杂环境因素的影响,为移动机器人提供稳定、准确、快速的环境感知能力。研究内容主要包括以下几个方面:（1）为了突破典型方法的局限性,提高检测方法在室外环境下的精度和质量,本文提出了基于线特征提取优化的道路边界检测方法。首先根据约束条件实现了特征点与特征直线的局部最优化提取。其次通过K-Means聚类、横向纵向整合和RANSAC筛选的组合处理方式,快速且精确地获取了描述真实道路边界的直线段。最后充分利用三次B样条插值模型的优良特性,绘制出完整且细腻的道路边界。实验证明,算法在多种室外测试环境下都具有优秀的准确性和鲁棒性。（2）障碍物检测是环境感知的关键任务,本文结合点云数据的栅格方法与几何特征检测障碍物,提高了计算效率且避免了精度损失。方法在径向特征分析过程中引入动态阈值法提取障碍物点,增强了算法的鲁棒性和准确性,并通过判断横向特征有效减少了误检现象的产生。最后以最近邻障碍点为约束,融合道路边界形成机器人的可通行区域。通过多种场景的对比实验证明,算法能够克服弯道、坡道、多障碍、负障碍等室外复杂环境的影响,具有良好的实时性、准确性和鲁棒性。（3）障碍物的类别、轮廓等信息具有更高的应用价值和研究意义。本文以车辆和行人作为主要障碍物模型,通过栅格的邻域增长聚类对其进行分类任务的研究。方法利用先验知识构建障碍栅格地图,并基于邻域增长法对障碍栅格进行区域性聚类和分割。然后根据聚类的分布特性提取矩形轮廓,精确地标记了障碍物的类别、规模和位置。最后结合聚类的高度信息和几何特性,实现了车辆和行人的简单分类。实验结果验证了算法的正确性与有效性。

关键词：移动机器人三维点云可通行区域检测道路边界检测障碍物检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂环境下的车道线检测

复杂环境下的车道线检测

作者：罗杨电子科技大学

学位级别：硕士

基于视觉的车道线检测是智能驾驶系统中的关键技术之一。尽管许多研究人员在该领域上进行了大量的研究,但是由于现实生活中实际行车道路环境的多样性和复杂性,实现准确的车道线检测依旧面临着诸多困难,如光照变换、路面阴影、车辆行驶... 详细信息

基于视觉的车道线检测是智能驾驶系统中的关键技术之一。尽管许多研究人员在该领域上进行了大量的研究,但是由于现实生活中实际行车道路环境的多样性和复杂性,实现准确的车道线检测依旧面临着诸多困难,如光照变换、路面阴影、车辆行驶痕迹和其他行车标志等的干扰。针对这些问题,本文以在复杂行车环境下实现较为准确的车道线检测为目标,开展了对结构化道路车道线检测和非结构化道路道路边界检测的研究。其主要研究工作如下:1.针对在复杂行车环境下,结构化道路车道线检测易受路面状况影响、周围环境干扰等问题,提出了基于概率投票的消失点位置估计方法,进而在车道线过道路消失点（理想情况下）的基础之上,又提出了基于道路消失点约束的车道线提取方法,实现了对各种复杂行车道路的车道线检测。2.针对在复杂行车环境下,车道线检测算法可能会失效的问题,提出了基于连续帧图像车道线关系的车道线跟踪算法,并且在车道线检测结果的基础上,实现了对感兴趣区域的动态确定,提升了算法的实时性和鲁棒性。3.针对在非结构化道路中,道路区域分割易受路面干扰因素影响的问题,本文提出了基于道路图像彩色特征的图像分割方法,在一次分割的基础上,又提出了一种改进的区域生长算法,实现了对道路区域的准确提取。4.针对在非结构化道路中,道路边缘点不易准确提取的问题,提出了基于图像分块算法的道路边缘点提取方法,获取到道路边缘点后,使用最小二乘法对三次多项式进行曲线拟合,实现了对非结构化道路道路边界的准确检测。本文在各种行车环境的数据集上对所提算法进行了实验分析。实验结果显示,在各种复杂行车环境下,本文所提出的两种算法能够分别有效地检测出车道线和道路边界。

关键词：车道线检测道路边界检测消失点彩色信息熵区域生长

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

红外图像下的道路场景理解方法研究

红外图像下的道路场景理解方法研究

作者：戴兢国防科学技术大学

学位级别：硕士

感知道路环境是智能车辆视觉系统一项非常重要的工作。现在智能车辆系统的研究主要以可见光图像为研究对象,然而,可见光相机存在对光照和阴影比较敏感,且在夜间无法应用的缺陷。而利用红外图像则可以克服这些因素的限制。但是与此同时,... 详细信息

感知道路环境是智能车辆视觉系统一项非常重要的工作。现在智能车辆系统的研究主要以可见光图像为研究对象,然而,可见光相机存在对光照和阴影比较敏感,且在夜间无法应用的缺陷。而利用红外图像则可以克服这些因素的限制。但是与此同时,红外图像又存在纹理特征少,边界不清晰的弱点。本文针对红外图像的道路边界检测和行人检测问题展开研究,论文的主要工作和成果为:1.针对红外道路边界检测问题,设计出一组针对红外图像特性的邻域窗口特征,进而采用随机森林分类器得到道路边缘概率图。在此基础上,通过采用基于Freeman链码的边界提取和二次多项式逼近等手段成功获得了对道路边界的精确估计。利用实车采集的多种路况图像进行实验证实了该算法的有效性。2.针对红外行人检测问题,借鉴人眼视觉系统的显著性机制,利用物体的边缘信息构造潜在的行人目标候选区域,以此替代传统的行人检测中暴力搜索的滑动窗口,有效抑制了对前景目标进行检测的过程中来自背景的干扰,在此基础上采用级联分类器对疑似区域作出进一步的确认,最终实现了红外图像中的行人检测。论文分别在自己采集的数据库和公开数据库上进行了性能测试,结果显示了本文算法的有效性。

关键词：红外图像道路边界检测随机森林行人检测显著性

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

区域交通环境下的智能车全自主导航方法研究

区域交通环境下的智能车全自主导航方法研究

作者：白聪敏上海交通大学

学位级别：硕士

智能车技术作为解决城市交通安全、效率等问题的有效手段备受关注。本文主要研究了区域交通环境下的智能车全自主导航方法。研究内容主要由四个部分组成：系统方案设计、道路边界检测、路段环境下的导航、路口环境下的导航：（1）... 详细信息

智能车技术作为解决城市交通安全、效率等问题的有效手段备受关注。本文主要研究了区域交通环境下的智能车全自主导航方法。研究内容主要由四个部分组成：系统方案设计、道路边界检测、路段环境下的导航、路口环境下的导航：（1）系统方案设计部分，对导航环境的特征进行了分析，将导航环境划分为路段环境和路口环境，针对区域交通环境较为复杂导致导航困难的问题，给出智能车系统的传感器配置方案，提出了不同道路环境下采用不同导航技术的方法。路段环境下，使用激光雷达和视觉获取车辆在道路中的可通行区域;路口环境下，利用多传感器融合、基于可通行区域的思想进行局部路径规划。系统的传感器配置必须符合导航需求：使用车顶俯视激光雷达检测道路边界，使用摄像头检测行车线;使用车头水平激光雷达检测前方障碍物;使用GPS获取全局定位信息;使用编码器和里程记进行航位推算。（2）道路边界检测部分，针对现有的道路边界检测方法不能同时适用于多种路况的问题，提出了一种基于激光雷达的道路边界检测方法，解决了适应性单一的问题，该方法能有效地适用于结构化道路和非结构化道路。根据结构化道路和非结构化道路环境的特征，以及激光雷达数据的分布特点，对激光雷达的数据进行预处理和聚类。根据道路环境的特点自适应地采用不同的参数，对激光雷达扫描点进行线性拟合，进而根据合理的准则对拟合结果进行筛选。通过将拟合结果与典型的道路基本模型进行匹配获取道路的边沿点。最后，使用最近邻域滤波器对道路边界点进行跟踪和实时平滑。实验结果表明，该方法有效地提高了道路检测的正确率和速度。（3）路段环境下的导航部分，针对复杂、恶劣的路段环境会导致导航失败的问题，提出了一种基于道路可通行区域的导航方法。该方法采用Vector Field Histogram+（VFH+）进行车辆的局部路径规划，通过融合车道线信息、道路边界信息和障碍物信息生成一系列虚拟障碍物以缩小车辆的可通行区域，并根据代价函数最小的原则选取目标通行方向。该方法有效地解决了恶劣环境中使用单一道路检测方法导致的导航失败问题。实验结果表明，该方法具有很好的实时性、稳定性和可靠性。最后，提出了一种适用于避障和超车的方法，利用双圆弧进行路径规划。（4）路口环境下的导航部分，针对路口环境中缺少足够的道路面信息辅助车辆定位和导航的问题，提出了一种基于可通行区域的路口导航方法。利用全局定位信息进行临近路口判断，进而利用视觉检测停车线或斑马线建立局部坐标系，实现车辆的路口局部初始定位，并采用航位推算的方法实现后续的局部定位。根据有限的路口环境信息、结合路口模型的几何结构特征生成合理的虚拟障碍物，以获取车辆的可通行区域引导车辆进行转角规划。该方法解决了路口环境中道路面信息不足引起的导航失败问题，实验结果表明，该方法能有效地实现车辆的路口导航，具有很好的可靠性。

关键词：自主导航道路边界检测可通行区域多传感器融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自主巡逻车视觉导航车道保持算法研究

自主巡逻车视觉导航车道保持算法研究

作者：胡名波中国民航大学

学位级别：硕士

机场围界道路种类较多,有泥土、水泥和柏油道路,同时道路两侧的环境也较为复杂,如杂草,围栏,黄土等。自主巡逻车在机场围界道路上的导航方式有多种,其中,基于视觉的导航方式具有成本低,提取的环境信息丰富的优点。本文重点探讨自主巡逻... 详细信息

机场围界道路种类较多,有泥土、水泥和柏油道路,同时道路两侧的环境也较为复杂,如杂草,围栏,黄土等。自主巡逻车在机场围界道路上的导航方式有多种,其中,基于视觉的导航方式具有成本低,提取的环境信息丰富的优点。本文重点探讨自主巡逻车在机场围界道路环境下基于视觉的车道保持方法,主要研究内容如下:首先,通过对道路图像处理方法的分析研究,设计了针对机场围界道路图像的分割算法。首先,为提升图像滤波的速度,研究了一种改进的快速中值滤波算法;然后,为提升道路边界边缘检测的鲁棒性,利用改进的Sobel算子来突出图像中的道路边界的边缘信息,同时抑制干扰的边缘信息。对常用区域分割算法的实验对比发现,区域生长算法具有更强的抗干扰性,可以有效的克服道路上阴影和水迹的干扰。其次,针对机场围界道路路况复杂,及路面上水渍,阴影和污渍干扰的问题,研究了一种融合边缘检测和自适应区域生长的道路检测方法。通过对区域生长算法中生长准则的自适应地改变来提高道路分割的鲁棒性,同时根据图像不同区域的特点采取分区处理的方法来提高算法的速度,融合图像边缘与区域特征能使提取的道路边界更为精准。再次,针对自主巡逻车车道保持问题,研究了一种基于PID和模糊规则的预瞄跟随控制方法。算法选取车辆正前方的一点为预瞄点,预瞄点到目标路径的距离采用PID控制,转向的速率采用模糊控制。然后根据道路边界检测出两条或者一条的情况,对检测结果进行相应的处理,再把处理后的结果应用到控制算法中。这种控制方法模拟了人工驾驶车的过程,是一种简单高效的控制方法。最后,对课题中研究的机场围界道路检测算法和车道保持算法进行了实验,实验结果表明,本文研究的机场围界道路识别算法和车道保持算法能够满足机场围界道路环境下自主巡逻车利用视觉进行车道保持的需求。

关键词：机场围界道路道路边界检测智能车辆车道保持

面向城区综合环境的无人驾驶车辆平台及关键技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向城区综合环境的无人驾驶车辆平台及关键技术研究

作者：肖已达上海交通大学

学位级别：硕士

随着城市车辆密度增高，各大城市都面临着交通拥堵、事故多发等问题，各政府也采取了各种措施试图解决交通问题，诸如摇号限行、私车牌照拍卖等。除了政策手段外，智能交通系统的研究等技术手段也越来越受到重视。与政策性手段不同的是... 详细信息

随着城市车辆密度增高，各大城市都面临着交通拥堵、事故多发等问题，各政府也采取了各种措施试图解决交通问题，诸如摇号限行、私车牌照拍卖等。除了政策手段外，智能交通系统的研究等技术手段也越来越受到重视。与政策性手段不同的是，智能交通系统并不是着力于将道路上的车辆密度控制于安全范围内，而是以提高道路利用率为目的的。无人驾驶车辆作为智能交通系统的核心环节，更是近年来的研究热点。无人驾驶车辆不仅可以避免车辆行驶过程中驾驶员情绪波动及不良驾驶习惯的影响，更可以将人们从旅途中解放出来，提高出行体验的舒适度。本文以城市交通环境为实验背景，对于无人车辆驾驶平台及无人驾驶车辆的定位、导航、环境感知等方面的技术进行了研究。本文首先对于城市环境中无人驾驶车辆的需求进行了详细分析，并由此设计了一整套无人驾驶车辆平台方案，包括车载电源系统方案、转向、油门、刹车电控改造方案、传感器配置方案等。车辆系统采用两层结构，下位机采用工业级嵌入式控制器以保证车辆底层的稳定性，上位机采用多台高性能工控机，给车辆的环境感知提供了足够的计算资源。为了实现在低速情况下车辆速度的精确测量，本文提出了一种基于霍尔传感器的测速方案，该方案与传统光电编码器或者软轴方案相比，具有抗震动能力强、寿命长、成本低的特点。高精度的RTK-GPS（载波相位动态实时差分全球定位系统），其精度可以达到厘米级，但是该技术对于卫星信号质量要求极高，在楼房、高架、树木的遮挡下无法正常工作，且成本较高。高感度GPS可在复杂的城市环境中使用，但是精度较低，只有5到10米。为了满足无人驾驶车辆对于自身定位精度的要求，本文将GPS信号与车辆航向、里程信息进行融合，车辆航向信息通过低成本陀螺仪获得，融合使用扩展卡尔曼滤波器实现，其中车辆位置预测值使用航向角与里程信息获得，观测值由GPS获得。实验结果表明该方法能较好弥补GPS信号的精度低、存在漂移等问题，还能在两次GPS信号间给出四次精度较高的预测值，提高了系统的实时性，由此得到的车辆航向信息也较为准确。道路信息对于无人车辆行驶至关重要。本文提出了一种基于多传感器的道路检测方法。该方法首先使用三个激光雷达对道路可通行区域进行检测，其中水平安装激光雷达用于检测车辆前方的障碍物，两个斜向安装激光雷达用于检测道路边界。出于排水的考虑，实际道路横截面常常是弧形的，本文考虑到这一点没有使用线性模型而使用了二次函数模型对道路边界进行建模。实验结果表明该方法在道路边界点检测中准确率很高。在此基础上，本文采用视觉方法检测道路车道线，并与可通行区域结果进行融合，计算车辆的行驶路径。通过实际道路的自主导航实验验证了该方法的有效性。车辆位于路口时，车道线信息与道路边界信息均不能对车辆的导航提供帮助。针对这一问题，本文提出了一种基于地图的路口导航方法，该方法在传统的道路矢量图之外，引入了包含入点、出点、道路方向信息的路口地图，根据这些信息无人驾驶车辆即可通过车辆位置及航向信息通过路口。为了提高车辆运行的平滑性，本文还在导航过程中引入了虚拟目标点。该方法在城市综合环境内的可行性也在城市道路自主导航试验中给出了证明。

关键词：无人驾驶车辆道路边界检测自主导航多传感器融合