【摘 要】
：
自动驾驶技术发展至今,在众多应用场景发挥着其重要的意义。受制于环境感知等技术的影响,目前自动驾驶技术仅能在特定场景下有着比较稳定的应用,面对如城市道路等复杂环境,环境感知的传感器选用、算法应用并未产生相应的应用标准,世界各汽车厂商、高校、科研院所均有着不同的技术路线,由此可以得出,自动驾驶的环境感知技术仍存在挑战。本文围绕多传感器的融合的动态障碍物检测展开了研究,分别对摄像头与三维激光雷达获取周围
论文部分内容阅读
自动驾驶技术发展至今,在众多应用场景发挥着其重要的意义。受制于环境感知等技术的影响,目前自动驾驶技术仅能在特定场景下有着比较稳定的应用,面对如城市道路等复杂环境,环境感知的传感器选用、算法应用并未产生相应的应用标准,世界各汽车厂商、高校、科研院所均有着不同的技术路线,由此可以得出,自动驾驶的环境感知技术仍存在挑战。本文围绕多传感器的融合的动态障碍物检测展开了研究,分别对摄像头与三维激光雷达获取周围环境信息进行了障碍物检测与算法验证,并设计了基于摄像头与三维激光雷达融合的障碍物检测系统,基于现有公开数据集进行了算法验证。首先本文对YOLO网络的基本原理进行了研究,选择使用YOLOv4作为目标检测的算法,并对YOLOv4进行了网络搭建与环境配置,在训练了权重文件后,使用KITTI、D2city等数据集进行了检测,得到了良好的检测效果。再利用国内实际的交通视频做成的数据集,重新训练并进行实验检测,结果显示其检测效果和速度能够满足实际情况中的需求。然后对基于三维激光雷达的目标检测进行了研究,为了降低算法的数据处理量,基于地面拟合的方法对地面点云进行了滤除,获得了地面点云与非地面点云两部分。对非地面点云,预先使用点云鸟瞰图进行栅格化处理从而减少点云数据的噪声干扰,再基于扫面线算法对点云进行分割,并提取点云检测结果的包围盒中心坐标及航向参数,为后续融合做出了准备。最后,将三维激光雷达的点云数据投影到像素坐标系下,进行坐标对齐,从而完成数据匹配,应用KITTI数据集对匹配结果进行了实验验证。再利用摄像头和三维激光雷达的目标检测结果,基于匈牙利匹配算法将属于同一个目标的检测框进行融合,最终达到传感器融合的目的,并用KITTI数据集对融合结果进行了实验验证。
其他文献
电网的建设包括多个环节,整个流程耗时较长,除了前期的总体规划、勘察设计,在经历立项审批等环节后,项目施工前和施工过程中还将涉及土地征用、环评、青苗赔偿等等一系列可能出现的状况和问题,而这一些列的问题常常引发相关民众与电网建设方的纠纷。配电网工程建设时常因邻避纠纷而受阻,从而严重拖延了建设工期。在H地区中低压配电网工程建设过程中同样如此,虽然部分问题在管理人员的协调下能解决,但是在不少邻避纠纷由于处
随着科技的发展以及生活水平的提高,人们也越来越追求厨房电器的便捷性、安全性以及舒适的使用感。因此,既能为锅具实现感应加热,又能为无尾厨电供电的多功能无线供能装置也应运而生。相比于传统电磁炉,多功能无线供能装置在降低成本、减小体积,提升厨房环境的整洁性等方面上,有着卓越的提升。在空间效率上,允许食物准备、烹饪和清洁都在同一表面进行,具有高灵活性,同时由于电源发射端嵌入在厨房台面上或安装在台面下,隐藏
随着社会信息化进程的不断推进,图像已逐渐成为基础的信息载体,在各行各业起到十分重要的作用。但是智能终端的普及使得图像数量呈爆发式增长,进一步增加了图像的来源与种类,给通信系统带来了极大压力。如何在保证图像可用性的前提下,对图像进行编码传输是亟待解决的问题。以往的图片处理更多依赖于传统算法及人工查验,这要求最小化编码带来的误差,追求高保真和高分辨率以保证图片的整体结构与局部细节。近年来深度学习（De
危险行为检测是维护公共治安,减少安全事故发生的有效手段,对维护社会稳定发展有着重要意义。通过在学校、道路、医院等公共场所安装智能监控设备,准确高效的检测危险行为,能及时减少或消除事故的发生,维护人民的生命安全。然而在实际应用中,由于人群流量大、背景复杂和光照多变等困难,使得很多行为检测算法无法有效获取视频中的动作特征,从而导致检测效果达不到预期的标准。针对危险行为检测,本文分别利用有向图卷积网络和
随着人工智能的快速发展,行人检测技术广泛地应用于智能监控和人机交互等领域。在实际的行人检测系统中,不仅要考虑检测的准确性,还要考虑检测的实时性。本文针对检测精度和检测速度的耦合问题,基于YOLO算法并进行轻量化模型设计,旨在完成精确且快速的行人检测任务。主要研究内容如下:（1）为了平衡Tiny YOLOv3检测算法的检测精度与检测速度,本文提出了一种改进的Tiny YOLOv3行人检测算法。针对T
作为保障舰载机安全着舰的重要装备,阻拦着舰装置的稳定运行对于部队执行训练和作战任务具有重要意义。与主要军事强国相比,我国在阻拦着舰装置的使用与诊断方面存在装备使用时间短、诊断经验偏少、运行数据积累偏少、自动化和信息化程度偏低等问题。阻拦着舰装置结构复杂、元件众多,存在较多的故障源。目前,阻拦着舰装置的维护工作以定期维护为主,该方法能在一定程度上保障装备的可靠运行,减少故障发生的概率。但是,在没有准
随着新型能源技术的快速发展,动力电池的市场需求量逐渐提高。由于近几年动力电池的安全问题频发,人们对动力电池的关注逐渐由容量需求转向安全需求。动力电池在循环充放电的过程里会出现老化现象,其性能逐渐衰退。持续使用临近退役的动力电池易发生故障,从而影响供电系统的正常运行。因此,及时检测动力电池的健康状态并估计其剩余寿命对于维护动力电池的使用安全性具有重要意义。本课题基于深度学习方法对动力电池进行检测与分
随着遥感图像空间分辨率的提升,目标的最小可探测尺寸逐步改善,现有遥感技术已实现对小型车辆目标的检测与定位,再借助遥感的大范围监测能力,将成为城市/城市群交通宏观监测的新途径。然而,即使在高分条件下,类似小型车辆这类弱小目标的探测还面临着诸多问题:一方面,为提升传感器空间分辨率,往往会牺牲一定的图像信噪比,加之目标周围复杂的背景环境和光照环境,导致目标与周围反差过小,目标可检测性不高;另一方面,即使
波浪滑翔器是一种可将波浪能转换为前进动能的新型海洋观测平台,具有航程长、续航久、零排放、无污染的特点。波浪滑翔器等海洋观测平台的导航控制核心即是良好的航向控制能力,由于波浪滑翔器的动力来源于波浪能,其自身速度并不稳定,且海洋环境复杂多变,使得提高波浪滑翔器的航向控制能力成为了相关研究的热点与难点。针对上述问题,本文建立了波浪滑翔器波浪驱动速度预测模型,并将BP神经网络分别与PID控制器与ADRC控
元学习对有标记数据依赖性低,可在一定程度上缓解标记样本匮乏的弊端,并且元学习模型不仅仅局限于某一个任务,它能够泛化到多种分类任务中,故其被应用于解决各类小样本分类问题。但在现实世界中,数据之间存在着错综复杂的关系,传统的元学习并不能充分表达数据之间的依赖关系,为了充分挖掘数据之间的高阶信息,本文借助图结构将样本之间的关系充分利用起来,并通过样本之间的相似性信息,构成图分类模型,在节点级完成图像分类