论文部分内容阅读
近年来,随着自动驾驶技术的迅猛发展,智能化工程机械也逐渐被研究人员所重视。本文针对装载机自主作业中的环境感知需求,主要对运输卡车的识别与测量方法进行研究。准确识别出目标卡车并测量出目标卡车的方位及车斗长高、车斗顶端离地高度等关键参数,能够为实现装载机自主作业提供强有力的信息支持。综合分析目前常见传感器的特性,本文利用智能车实验平台上的三维激光雷达与摄像头,采用传感器信息融合方案对目标卡车识别与测量方法进行研究。以下为具体研究内容:基于图像的目标卡车检测研究。本文采用YOLOv2网络模型并对其进行改进:采用K-means++算法对自建卡车数据集进行维度聚类;为提高卡车检测速度,修改原网络结构;设计及改进损失函数。通过实地采集与网络爬取并手动标注图片,自建卡车数据集。将改进的网络模型在自建卡车数据集上进行训练及测试,试验结果表明,本文方法的平均检测精度为92.57%,检测速度达到76FPS。基于传感器信息融合的卡车检测研究。先对激光雷达原始数据进行点云滤波、地面点分割、改进DBSCAN聚类等处理,获得多个点云聚类目标。利用两传感器的坐标转换关系,将激光雷达点云聚类目标投影到图像上,再结合摄像头的目标检测结果,实现激光雷达与摄像头在统一图像上各自形成对应的目标检测矩形区域。采用多假设思想对两传感器的同一目标检测结果进行数据关联及聚类合并,实现两传感器决策级融合。经试验验证,采用融合检测方法比摄像头检测方法准确率高3.6%,能进一步提高卡车识别准确率。卡车关键参数测量研究。利用两传感器融合检测获得卡车三维激光点云数据,采用区域边界分割方法并利用车厢点云数量分布特征,提取车斗点云数据。为测量卡车关键参数,先拟合车斗点云平面,计算得到车斗的方位角,并对车斗点云进行旋转变换及投影,获得车斗平面投影点集。采用Andrew算法对车斗投影点集建立凸包,再利用等角度旋转方法获取凸包最小面积外接矩形的顶点坐标,获得车斗长度与高度信息。采用高度统计方法获得车斗顶端离地高度值。通过实际卡车测量试验数据对比,尺寸测量误差在3cm之内,方位角误差在1.5°以内,满足智能装载机自主作业测量精度需求。