無(wú)人車越野環(huán)境下障礙物檢測(cè)與識(shí)別技術(shù)研究.pdf

1、無(wú)人車在眾多領(lǐng)域都具有越來(lái)越廣泛的應(yīng)用前景，障礙物檢測(cè)識(shí)別技術(shù)是無(wú)人車研究領(lǐng)域一個(gè)至關(guān)重要的方面，更是研究的熱點(diǎn)與難點(diǎn)，尤其是無(wú)人車對(duì)于越野環(huán)境下的障礙物檢測(cè)識(shí)別。本文針對(duì)越野環(huán)境下的主要障礙物，提出了一種基于多傳感器融合的障礙物檢測(cè)識(shí)別方法。主要內(nèi)容如下：
　　首先，對(duì)于本文中所用的攝像機(jī)與激光雷達(dá)系統(tǒng)，本文研究并提出了一種基于平面特征的像素級(jí)聯(lián)合標(biāo)定方法，該方法對(duì)于激光雷達(dá)的自身標(biāo)定同樣適用。本文利用張正友方法完成了攝像機(jī)的標(biāo)

2、定，同時(shí)基于本文方法完成了激光雷達(dá)自身標(biāo)定與兩者聯(lián)合標(biāo)定。通過(guò)試驗(yàn)驗(yàn)證，本文所提出的聯(lián)合標(biāo)定方法的精度能夠達(dá)到1.2931mm，為后續(xù)障礙物位置的確定提供了可靠依據(jù)。
　　其次，針對(duì)感興趣區(qū)域提取問(wèn)題，在基于視覺(jué)圖像的感興趣區(qū)域提取方面，本文提出了一種基于HSV空間的Fisher準(zhǔn)則函數(shù)分割和基于Lab空間的K-means聚類分割相結(jié)合的彩色圖像分割算法，該方法能夠?qū)⒄系K物區(qū)域準(zhǔn)確分割出來(lái)并具有通用性。在基于激光數(shù)據(jù)的感興趣區(qū)域提

3、取方面，通過(guò)對(duì)激光數(shù)據(jù)進(jìn)行轉(zhuǎn)換生成高度-灰度圖，并對(duì)其采用K-means聚類分割算法得到分割圖像，分割后基于后續(xù)形態(tài)學(xué)處理等操作獲得最終感興趣區(qū)域。
　　再次，本文探究了不同特征對(duì)于障礙物的區(qū)分度，最終選取了基于HSV空間的S/V特征、基于Lab空間的b-a特征、基于激光數(shù)據(jù)協(xié)方差矩陣的λ3/λ2特征和基于激光數(shù)據(jù)的距離對(duì)比度四個(gè)識(shí)別度較高的特征，同時(shí)通過(guò)大量訓(xùn)練樣本的分析并統(tǒng)計(jì)出不同障礙物各特征的特征值區(qū)間，為障礙物識(shí)別打下了良