检索结果-南通市图书馆

基于三维激光雷达的非结构化道路可行驶区域检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于三维激光雷达的非结构化道路可行驶区域检测

作者：周越洋东北石油大学

学位级别：硕士

可行驶区域检测是指智能车辆检测和提取车道上可规划行进路线的区域,是自动驾驶感知领域的重要研究点。非结构化道路由于路况复杂、道路边沿不清晰等因素给可行驶区域检测带来了极大挑战。目前,非结构化道路可行驶区域检测方法主要依靠... 详细信息

可行驶区域检测是指智能车辆检测和提取车道上可规划行进路线的区域,是自动驾驶感知领域的重要研究点。非结构化道路由于路况复杂、道路边沿不清晰等因素给可行驶区域检测带来了极大挑战。目前,非结构化道路可行驶区域检测方法主要依靠相机或三维激光雷达传感器实现。相机易受天气、光照因素影响,在弱光环境下可靠性较差,因此这类方法有较大局限性。基于三维激光雷达的检测方法存在路面起伏不平时难以正确分离地面点云、无法处理边界空间特征不明显的非结构化道路场景等问题,导致这类方法无法达到自动驾驶行车标准。为此,本文提出一种基于三维激光雷达的非结构化道路可行驶区域检测方法,具体工作和创新点如下:(1)针对在地面起伏不平或存在悬垂障碍物的非结构化道路场景下难以正确分离地面点云的问题,提出一种基于自适应扇形栅格图的地面点云提取算法。首先,按三维激光雷达角分辨率自适应生成扇形栅格图,解决了传统栅格图各栅格内点云密度分布不均的问题;然后,以相邻栅格内点云高程特征作为提取依据,将提取过程分为粗提取地面栅格和细提取地面点云两步,从而提高算法鲁棒性。在KITTI公开数据集与自录实际道路数据集上进行对比实验,结果表明所提算法相较于传统基于栅格图的提取算法提取精度平均增加3.43%,每帧处理时间约快3ms,优于现有方法。(2)针对非结构化道路因边界空间特征不明显导致无法正确提取可行驶区域的问题,提出一种基于空间与反射强度融合的非结构化道路可行驶区域检测方法。首先,通过融合反射强度因子改进基于空间特征的柱坐标系检测模型;然后,使用强度与降维空间检测改进环形检测模型并与柱坐标系检测模型联合使用,大幅提升了候选点检测精度;最后,以贝塞尔曲线拟合可行驶区域边界。在KITTI公开数据集与自录实际道路数据集上进行对比实验,结果表明所提方法相较于常用方法在非结构化道路上检测准确率平均提升8.41%,在结构化道路上平均提升2.32%,且具有良好的实时性,优于现有方法。(3)基于提出的两个方法,设计并开发单车非结构化道路可行驶区域检测系统。在智能车上运行测试,结果表明本系统可在平均每秒32帧的前提下完成检测,检测成功率可达95%以上,具有良好的有效性与稳定性。本文方法构建自适应扇形栅格图并将空间与强度特征融合用于检测,为可行驶区域检测提供了一种新的解决思路,具有一定理论价值。同时,开发的检测系统显著提高了对非结构道路可行驶区域检测的准确率,且在结构化道路上也具有良好的检测效果,解决了自动驾驶领域的实际问题,具有较高的应用价值。

关键词：自动驾驶三维激光雷达非结构化道路区域检测扇形栅格图

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于超像素合并的非结构化道路图像分割方法

国外电子测量技术 2022年第1期41卷 41-45页

作者：刘琼史诺西安航空学院计算机学院西安710077 西安航空学院机械工程学院西安710077

针对非结构化道路形状不规则和边界线不清晰等问题,提出一种基于超像素合并的道路图像分割方法。首先采用简单线性迭代聚类方法将道路图像分割成一系列空间紧凑、边界明确的超像素;然后提取超像素的颜色特征信息,构建相似度矩阵;再利用... 详细信息

针对非结构化道路形状不规则和边界线不清晰等问题,提出一种基于超像素合并的道路图像分割方法。首先采用简单线性迭代聚类方法将道路图像分割成一系列空间紧凑、边界明确的超像素;然后提取超像素的颜色特征信息,构建相似度矩阵;再利用近邻聚类方法将特征相似、位置相邻的超像素进行合并;最后确定出道路区域。仿真结果表明,方法能够有效解决道路边界线模糊的问题,而且分割效果较好,概率边缘指数和信息变化指数最低。

关键词：非结构化道路图像分割超像素简单线性迭代聚类近邻聚类

基于地面无人平台通过性的非结构化道路障碍检测研究

在线全文

学校读者我要写书评

暂无评论

基于地面无人平台通过性的非结构化道路障碍检测研究

作者：武帅东吉林大学

学位级别：硕士

地面无人平台作为现代高新技术的结晶,具有环境感知、决策规划、自主控制等能力,可在复杂环境下自主移动,被广泛运用在物资配送、地形勘探、巡逻放哨、弹药运输等民用和军用场景,具有极大的研究和应用价值。障碍感知作为地面无人平台的... 详细信息

地面无人平台作为现代高新技术的结晶,具有环境感知、决策规划、自主控制等能力,可在复杂环境下自主移动,被广泛运用在物资配送、地形勘探、巡逻放哨、弹药运输等民用和军用场景,具有极大的研究和应用价值。障碍感知作为地面无人平台的重要一环,扮演着无人平台的“眼睛”,是无人平台实现安全行驶的首要因素。本文结合某校企合作项目,通过对地面无人平台运行场景的分析,将对越野车辆行驶安全有影响的典型障碍作为研究对象,主要面向归纳的典型障碍和其他一些通用障碍开展障碍检测和越障通过性的研究,主要研究内容如下:第一,对地面无人平台在野外非结构化道路遇到的场景进行了分析,选取正障碍和负障碍这两种对车辆通过性有严重影响的典型障碍为研究对象。考虑到6×6轮式地面无人平台的越障能力相对较强,对其越障能力进行了理论研究及分析。对于正障碍,建立了越障高度与车轮半径、附着系数之间的关系;对于负障碍,建立起了越障宽度与轴距和车轮尺寸的关系。第二,对基于多帧激光点云的障碍检测展开研究,考虑到非结构化路面不像结构化道路拥有较为平整的表面,会有一定的不平度,因此一些结构化道路下的点云处理算法对非场景的适用性不高。在地面点与障碍点分离方面,放弃了结构化道路常用的基于模型的地面拟合,本文融合了笛卡尔坐标系下的多尺度矩形栅格划分和极坐标系下的扇形栅格划分的优点,实现了基于栅格高度差、最小高度的障碍检测。为了弥补点云稀疏导致障碍点云不多而引起的细致度不够的问题,基于IMU实现了前后帧关联,增强了点云密度。第三,在视觉检测方面,采用卷积神经网络实现目标检测。考虑到非结构化道路的场景中,障碍物的尺寸、长宽比变化较大,采用了一阶段的无预瞄框的Yolo X网络,并从特征提取、边界框回归角度出发,对主干网络、颈部网络、损失函数三个方面进行了改进,有效提升了视觉障碍检测的精度。第四,探究了传感器融合的方案,通过对各种融合方案的权衡,采用了简单、有效、实用的目标级融合方法,用激光点云自带精准的位置坐标的属性来弥补视觉检测缺乏障碍深度、距离信息的不足,获得更精准的障碍信息。同时为了弥补因为观测角度导致的障碍尺度估计不同的问题,在目标检测的基础上实现了基于Deep SORT的目标跟踪,设计了障碍能否跨越的融合结果判断策略。第五,在ADAMS中搭建了无人平台模型,根据融合检测对障碍的判断,在ADAMS中建立对应场景,进行了越障仿真验证,检验融合检测结果的正确性,并验证了无人平台的理论越障值。本文以地面无人平台为研究对象,研究了其跨越正负障碍的工作机理,利用激光雷达和相机实现了正负障碍的融合检测,在检测障碍时不仅规避障碍还提供障碍是否可跨越的参考,充分利用了地面无人平台的越野性能,为无人平台的障碍检测研究提供了新思路。最后,通过ADAMS越障仿真验证了越障机理研究和越障判断的合理性。

关键词：地面无人平台非结构化道路正负障碍障碍检测通过性

基于LiDAR的非结构化道路边沿检测方法的研究

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LiDAR的非结构化道路边沿检测方法的研究

作者：殷松重庆理工大学

学位级别：硕士

无人驾驶技术目前虽然在高速公路、封闭园区等结构化道路场景得到了成功应用,但对于非结构化道路的识别依然还存在诸多技术问题。边沿检测作为非结构化道路识别的关键环节,给基于计算机视觉的传统无人驾驶环境感知提出了新的技术挑战。... 详细信息

无人驾驶技术目前虽然在高速公路、封闭园区等结构化道路场景得到了成功应用,但对于非结构化道路的识别依然还存在诸多技术问题。边沿检测作为非结构化道路识别的关键环节,给基于计算机视觉的传统无人驾驶环境感知提出了新的技术挑战。激光雷达作为无人驾驶的重要传感器,在三维道路信息获取方面相较于摄像机更具优势。综合考虑道路边沿检测准确率、点云处理时间与部署成本,提出了基于16线激光雷达三维点云的非结构化道路边沿检测方法,以保障无人驾驶的可靠环境感知。论文的主要研究内容包括:(1)总结了目前已有的基于激光雷达三维点云的道路检测方法。具体分析了利用三维点云滤除路面点方法以及提取道路边沿点方法的优缺点,指出现有的技术问题是非结构化道路边沿模糊、路面颠簸导致路面点不能被完全滤除,影响下一步边沿点的提取,未能被过滤的较多干扰点使得最终边沿线拟合误差较大。(2)针对路面点不能被完全滤除的问题,提出能自适应生成阈值的双栅格算法。双栅格法将范围内的三维点云分别按照平面坐标划分大小栅格,利用栅格内部及相邻栅格间的约束条件滤除路面点。约束条件的阈值通过改进的大津法实现区域内阈值自适应生成,优化了路面点云的滤除效果。(3)针对非结构化道路边沿检测算法的低效率问题,提出通过改进KD-tree检索算法实现道路边沿点的提取。将每行栅格内的非路面点云划分为左右子空间分别排列检索,然后根据剩余点至车辆前进方向的距离进一步提取候选道路边沿点。最后利用改进的随机采样一致性算法完成道路边沿线的拟合,提高了非结构化道路边沿检测的准确性。在此基础上,使用16线激光雷达采集三种不同非结构化道路场景的点云数据进行了实验验证。统计每个数据集内成功检出边沿线的帧数占比,成功检测率达到90.04%。结果表明所提出的双栅格法能够滤除路面点,避免了因为路面颠簸、边沿模糊、障碍物干扰导致而无法精准滤除路面点的问题;改进的边沿点提取与边沿线拟合方法大大降低了干扰点对结果的影响,实现低成本下非结构化道路边沿检测的可靠检测。

关键词：无人驾驶激光雷达点云非结构化道路边沿检测双栅格法

基于深度学习的非结构化道路可行驶区域识别方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的非结构化道路可行驶区域识别方法研究

作者：张文达西安建筑科技大学

学位级别：硕士

随着计算机视觉技术的快速发展,基于视觉的环境感知系统逐渐成为了研究热点。可行驶区域识别是环境感知系统中的关键技术之一,尤其是对非结构化道路可行驶区域的识别,有着重大意义,只有快速准确地识别出非结构化道路的可行驶区域才能够... 详细信息

随着计算机视觉技术的快速发展,基于视觉的环境感知系统逐渐成为了研究热点。可行驶区域识别是环境感知系统中的关键技术之一,尤其是对非结构化道路可行驶区域的识别,有着重大意义,只有快速准确地识别出非结构化道路的可行驶区域才能够真正实现无人驾驶。本文基于深度学习技术对非结构化道路可行驶区域识别方法进行深入研究,主要研究内容包括:首先,对基于视觉和深度学习的非结构化道路识别以及道路可行驶区域进行了深入分析,分析总结出了非结构化道路的特点,如非结构化道路中无车道线、道路边界不明显等,以及一些识别方法存在的问题。针对这些问题,提出一种基于深度学习的非结构化道路可行驶区域的识别方法,该方法选用双边分割网络Bi Se Net作为非结构化道路可行驶区域识别的基础网络模型。对BiSeNet进行了两方面的改进。采用短期密集连接网络替换主干网络以降低模型的运算量,提高模型的识别速度。增加了统一注意力融合模块,该模块的通道和空间注意力可以丰富融合特征表示,提高分割精度。通过构建的校园非结构化道路数据集对模型进行训练。采用通用的评价指标验证了改进方法的可行性和有效性。选取了典型非结构化道路场景地下矿山斜坡道作为实验对象,对所提出的非结构化道路可行驶区域识别方法进行验证。利用矿车前车况相机采集到的地下矿山斜坡道图像数据构建数据集,采用数据增强的方法对数据集进行扩充。通过labelme图像标注工具对地下矿山斜坡道可行驶区域进行标注,将标注好的图像数据送入到网络中配置环境并设置超参数进行训练。采用通用的评价指标对模型性能进行评估,并与其他三种经典网络进行对比。结果表明,本文提出的方法具有可行性和优越性。最后,在识别出非结构化道路可行驶区域的基础上,对可行驶区域的中线拟合进行了研究。为了提取非结构化道路可行驶区域的轮廓,对得到的可行驶区域进行了预处理。根据图像中心矩理论,利用图像中心矩算法计算出了可行驶区域的中心点坐标。最后,采用最小二乘法对道路中线进行拟合实验,结果显示,通过可行驶区域中线拟合得出了道路中线。本文的研究将深度学习与机器视觉相结合,较好地解决了非结构化道路可行驶区域的识别问题,为无人驾驶车辆的环境感知提供了一定的参考。

关键词：深度学习非结构化道路可行驶区域矿山道路识别 BiSeNet

基于机器视觉的矿区非结构化道路识别与车道偏离检测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器视觉的矿区非结构化道路识别与车道偏离检测研究

作者：焦鑫西安建筑科技大学

学位级别：硕士

随着国家和地方矿山智能化建设规范的推行实施,矿区无人驾驶卡车已经成为露天矿生产智能化建设的主要研究内容之一,由于露天矿区道路的非结构化和道路环境复杂多变等特点,自动探测和识别无人卡车行车道路,并准确判别车道偏离情况,是保... 详细信息

随着国家和地方矿山智能化建设规范的推行实施,矿区无人驾驶卡车已经成为露天矿生产智能化建设的主要研究内容之一,由于露天矿区道路的非结构化和道路环境复杂多变等特点,自动探测和识别无人卡车行车道路,并准确判别车道偏离情况,是保障无人卡车安全行驶的重要基础,已成为露天矿区无人驾驶的关键技术之一。基于深度学习的图像识别方法非常适合于矿区道路这种具有非线性、高维度、复杂关系的图像数据应用分析,本文基于机器视觉方法对矿区无人卡车行进中的非结构化道路识别与车道偏离检测进行深入研究。本文主要研究包括:(1)矿区非结构化道路图像数据集构建。针对所采集的露天矿区道路图像数据单一的问题,本研究分析了多种图像滤波与图像增强算法,并采取中值滤波与直方图均衡化的方法对采集到的矿区道路图像进行预处理,以增强道路图像的特征,采取labelme软件对图像进行像素级的标注,为后续矿区道路识别与车道偏离检测任务构造高质量的数据集。(2)基于改进双边分割网络的矿区非结构化道路识别。针对露天矿区道路区域不明显,传统的计算机视觉方法无法快速准确识别出车前方行驶区域,本研究采用一种基于改进双边分割网络的深度学习方法,利用深度可分离卷积模块进行细节分支的轻量化改进以提高模型的运行效率,并结合卷积块注意力单元提高模型的识别精度,最后进行特征图上采样的改进以增强道路边缘细节表现能力。在矿区道路数据集上进行了训练学习,实验结果表明优化模型相比其他经典模型在矿区道路区域的快速准确识别任务上能够取得更优的结果。(3)矿区车道偏离检测。针对传统车道偏离检测方法主要针对结构化道路且需要复杂的多坐标系标注,并不能适用于复杂多变的矿区道路检测问题,本文针对露天矿区非结构化道路场景提出一种简单高效的车道偏离检测算法。首先将上一部分研究得到的车道识别图像进行预处理得到平滑的道路边缘,然后选取适合非结构化道路的最小二乘法进行车道边缘线的拟合,分别得到左右车道边缘线的斜率与截距,并利用图像获取横向偏离参数,进而得到车道偏离的特征参数,最后通过粒子群优化的BP神经网络算法对特征参数进行训练学习,实验结果表明该模型相对其他经典分类模型对矿区车道偏离检测任务具有更高的准确率和更好的鲁棒性。通过本文的研究,将机器视觉与深度学习相结合的方法能够较好的解决矿区非结构化道路识别与车道偏离检测任务,为无人驾驶卡车的实景导航与安全预警提供了一定的参考依据,具有重要的理论价值与实际意义。

关键词：露天矿非结构化道路无人驾驶卡车矿区道路识别车道偏离检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于自适应模板的非结构化道路检测

东南大学学报（自然科学版） 2007年第6期37卷 1102-1107页

作者：陈清华杨静宇陈建亭南京理工大学计算机学院南京210009

提出一种基于自适应变形模板的非结构化道路检测算法.新模板的形状随着道路的形状改变而改变,利用新生成的模板预测下一帧图像中可能出现的道路区域和非道路区域,分别计算道路区域和非道路区域的平均向量和协方差以及每一个像素点和平... 详细信息

提出一种基于自适应变形模板的非结构化道路检测算法.新模板的形状随着道路的形状改变而改变,利用新生成的模板预测下一帧图像中可能出现的道路区域和非道路区域,分别计算道路区域和非道路区域的平均向量和协方差以及每一个像素点和平均向量间的M ahalanobis距离;通过中值滤波去掉噪声点,再进行边缘跟踪计算出路边.该算法运算量小,检测速度快,基本满足实时性要求,具有良好的抗阴影的能力.

关键词：道路检测图像处理变形模板非结构化道路

在线全文

学校读者我要写书评

暂无评论

基于语义分割的非结构化田间道路场景识别

农业工程学报 2021年第22期37卷 152-160页

作者：孟庆宽杨晓霞张漫关海鸥天津职业技术师范大学自动化与电气工程学院天津300222 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 黑龙江八一农垦大学电气与信息学院大庆163319

环境信息感知是智能农业装备系统自主导航作业的关键技术之一。农业田间道路复杂多变,快速准确地识别可通行区域,辨析障碍物类别,可为农业装备系统高效安全地进行路径规划和决策控制提供依据。该研究以非结构化农业田间道路场景为研究对... 详细信息

环境信息感知是智能农业装备系统自主导航作业的关键技术之一。农业田间道路复杂多变,快速准确地识别可通行区域,辨析障碍物类别,可为农业装备系统高效安全地进行路径规划和决策控制提供依据。该研究以非结构化农业田间道路场景为研究对象,根据环境对象动、静态属性进行类别划分,提出一种基于通道注意力结合多尺度特征融合的轻量化语义分割模型。首先采用Mobilenet V2轻量卷积神经网络提取图像特征,将混合扩张卷积融入特征提取网络最后2个阶段,在保证特征图分辨率的基础上增加感受野并保持信息的连续性与完整性;然后引入通道注意力模块对特征提取网络各阶段特征通道依据重要程度重新标定;最后通过空间金字塔池化模块将多尺度池化特征进行融合,获取更加有效的全局场景上下文信息,增强对复杂道路场景识别的准确性。语义分割试验表明,不同道路环境下本文模型可以对场景对象进行有效识别解析,像素准确率和平均像素准确率分别为94.85%、90.38%,具有准确率高、鲁棒性强的特点。基于相同测试集将该文模型与FCN-8S、SegNet、DeeplabV3+、BiseNet模型进行对比试验,该文模型的平均区域重合度为85.51%,检测速度达到8.19帧/s,参数数量为2.41×10^(6),相比于其他模型具有准确性高、推理速度快、参数量小等优点,能够较好地实现精度与速度的均衡。研究成果可为智能农业装备在非结构化道路环境下安全可靠运行提供技术参考。

关键词：机器视觉语义分割环境感知非结构化道路轻量卷积注意力机制特征融合

基于交叉视觉皮质模型的非结构化道路检测算法

在线全文

学校读者我要写书评

暂无评论

电子学报 2011年第10期39卷 2366-2371页

作者：高庆吉张磊中国民航大学机器人研究所天津300300

针对传统非结构化道路检测算法对各种复杂路面环境通用性不强且计算复杂度高的问题,提出了一种基于交叉视觉皮质模型(ICM)的道路检测算法。ICM具有接近生物视觉信息处理机制的特点,能够根据像素及其邻域的相关性动态区分目标和背景。基... 详细信息

针对传统非结构化道路检测算法对各种复杂路面环境通用性不强且计算复杂度高的问题,提出了一种基于交叉视觉皮质模型(ICM)的道路检测算法。ICM具有接近生物视觉信息处理机制的特点,能够根据像素及其邻域的相关性动态区分目标和背景。基于ICM分割算法需要解决的问题是最佳分割阈值和循环迭代次数的确定,提出了采用最小交叉熵判决机制确定最佳分割阈值与循环迭代次数,从而避免了人为干预,提高了分割速度。实验结果表明,该算法不仅能够实现道路图像的精确分割,而且对一些非常规路况的适应性较强。

关键词：非结构化道路图像分割交叉视觉皮质模型最小交叉熵