基于激光雷達點云的車輛檢測方法研究.pdf

1、隨著經(jīng)濟發(fā)展水平的提高，汽車的數(shù)量持續(xù)攀升，交通事故的發(fā)生率也不斷增加。智能輔助駕駛系統(tǒng)可以通過給駕駛員提醒和指導(dǎo)來降低交通事故的發(fā)生率。車輛檢測是智能輔助駕駛系統(tǒng)的關(guān)鍵，不僅能夠為障礙物檢測提供線索，也有利于車輛路徑規(guī)劃。車載激光雷達掃描測量是繼GPS之后測繪領(lǐng)域的一種高新測繪技術(shù)，能夠快速高效地獲取目標物體表面詳細的三維信息，為數(shù)字城市、路況仿真、環(huán)境測量、地圖導(dǎo)航等領(lǐng)域?qū)崿F(xiàn)快速3D建模提供了一種全新的手段。因此，如何有效地處理激光

2、點云數(shù)據(jù)具有實際的應(yīng)用意義。在此背景下，本文以車載激光掃描系統(tǒng)作為三維信息的獲取方式，研究車載激光雷達點云數(shù)據(jù)的處理算法，重點解決激光點云的車輛檢測問題。為了提高現(xiàn)有車輛檢測算法的準確性和魯棒性，本文提出了一種在復(fù)雜道路環(huán)境下基于三維激光雷達的車輛檢測算法。
　　首先利用基于彩色布料模型的地面分割算法分離地面點與非地面點，在降低后續(xù)處理計算復(fù)雜度的同時，有利于后續(xù)局部特征的提取和后續(xù)目標的聚類分割;
　　針對傳統(tǒng)聚類算法在復(fù)

3、雜場景下目標粘連的問題，本文提出利用超體聚類算法實現(xiàn)非地面分割，并用最小割算法對粘連目標進行分割精確性的優(yōu)化。實驗結(jié)果表明超體聚類在保留點云數(shù)據(jù)局部邊界特征上具有較好的效果;
　　最后，本文提出了一種結(jié)合3D CNN和車牌檢測的車輛識別方法。設(shè)計合適的3D CNN網(wǎng)絡(luò)從大量樣本中自動學(xué)習(xí)樣本的特征。針對部分車輛信息不完整提出了車牌檢測法。實驗結(jié)果驗證了本文所提車輛特征的有效性，降低了車輛檢測算法的漏檢率。
　　在公開數(shù)據(jù)集上