基于雷達(dá)與圖像信息融合的路面目標(biāo)識(shí)別與應(yīng)用.pdf

1、無(wú)人駕駛車輛在軍用和民用領(lǐng)域都具有重要的研究?jī)r(jià)值和廣泛的應(yīng)用前景。道路環(huán)境感知技術(shù)是無(wú)人自主車的關(guān)鍵技術(shù)之一，多傳感器由于其性能互補(bǔ)，能獲得更準(zhǔn)確、更高效的感知效果。本文旨在對(duì)多線激光雷達(dá)數(shù)據(jù)與圖像數(shù)據(jù)進(jìn)行融合，發(fā)掘這兩種傳感器的有效信息，從而對(duì)無(wú)人駕駛車輛的路面目標(biāo)進(jìn)行識(shí)別。完成的工作主要如下:
　　首先基于32線激光雷達(dá)進(jìn)行路面障礙物的初步檢測(cè)，對(duì)雷達(dá)數(shù)據(jù)構(gòu)建了基于相對(duì)高度差信息的柵格地圖，然后提出了一種基于雷達(dá)數(shù)據(jù)點(diǎn)距離信息

2、預(yù)判斷的密度聚類算法，標(biāo)記出雷達(dá)數(shù)據(jù)點(diǎn)密集的區(qū)域，也就是障礙物區(qū)域。通過先驗(yàn)幾何知識(shí)過濾掉非路面障礙。實(shí)驗(yàn)結(jié)果表明，該方法能夠成功檢測(cè)路面障礙物，并獲知障礙物的距離信息。
　　研究基于圖像信息的方法對(duì)路面行人進(jìn)行檢測(cè)。首先用混合高斯模型對(duì)背景進(jìn)行建模，過濾大部分背景，再采用形態(tài)學(xué)濾波算法的腐蝕和膨脹，剔除孤立的小點(diǎn)，融合鄰近的數(shù)據(jù)點(diǎn)，最后采用矩形包圍輪廓，找出障礙物的位置。比較了基于圖像信息的行人檢測(cè)算法與基于激光雷達(dá)的障礙檢測(cè)算

3、法，分析這兩種傳感器的優(yōu)缺點(diǎn)。
　　多傳感器的信息融合建立在各數(shù)據(jù)坐標(biāo)統(tǒng)一的基礎(chǔ)上。首先對(duì)雷達(dá)進(jìn)行參數(shù)標(biāo)定，根據(jù)標(biāo)定物的角點(diǎn)對(duì)應(yīng)，求出雷達(dá)數(shù)據(jù)點(diǎn)由原始的極坐標(biāo)形式轉(zhuǎn)換到世界坐標(biāo)的轉(zhuǎn)換矩陣。然后采用Tsai方法對(duì)攝像頭進(jìn)行標(biāo)定，最后得到雷達(dá)坐標(biāo)系到圖像像素坐標(biāo)系的投影矩陣。提出基于障礙物的數(shù)據(jù)融合方法，將雷達(dá)中檢測(cè)到的障礙物的深度信息與圖像數(shù)據(jù)融合，使圖像的像素點(diǎn)不僅包含RGB信息，也包含距離信息，為下一步識(shí)別目標(biāo)以及確定目標(biāo)的距離

4、是否安全作準(zhǔn)備。
　　確認(rèn)路面障礙物，特別是行人的位置對(duì)無(wú)人駕駛車輛的安全駕駛具有重要的意義。將經(jīng)雷達(dá)初步檢測(cè)后得到的障礙物感興趣區(qū)域投影到圖像上，對(duì)圖像上的感興趣區(qū)域提取HOG特征算子。將行人庫(kù)數(shù)據(jù)作為正樣本，不包含行人的無(wú)人車真實(shí)行駛場(chǎng)景作為負(fù)樣本，訓(xùn)練線性SVM分類器，識(shí)別障礙物是否為行人，并根據(jù)融合后的像素點(diǎn)的深度信息判斷障礙物的距離。實(shí)驗(yàn)證明，該方法能實(shí)現(xiàn)實(shí)時(shí)路面目標(biāo)識(shí)別，能應(yīng)用到無(wú)人車的自主導(dǎo)航系統(tǒng)中，具有實(shí)際應(yīng)用意義