论文部分内容阅读
随着人工智能(Artificial Intelligence,AI)与机器视觉的发展,激光雷达(Laser Radar,LiDAR),即光探测与测量,已成为人工智能服务机器人的“慧眼”。目前,LiDAR传感器不仅应用于地物扫描识别与分类,更为服务机器人提供室内自主定位导航解决方案,应用范围广泛;并且,由于LiDAR提供的目标距离数据能够反映目标三维空间中的空间信息,因此,将LiDAR应用于目标的检测与分类是目前研究的热点。本文从理论研究和工程应用两个层面开展了对目标检测与分类的深入研究和实践,并成功将理论研究应用于室外场景的目标自动定位与检测,以及航空行李的智能检测与分类。考虑到LiDAR可以克服室外环境(天气、温度、光线)的变化以及CCD图像不能完全描绘环境等情况。本文设计了基于LiDAR的目标自动定位与检测系统,搭建包含激光测距仪与LiDAR的三维目标自动检测装置,对薄皮圆筒目标进行点云数据的采集及数据预处理,实现三维目标的自动定位与检测。具体包括初始标定物的确定、目标连通域的寻找以及目标定位与检测。考虑到特殊情况,本文对薄皮圆筒目标进行实时矫正以确保系统的高鲁棒性,使之能够实现远距离、全天候自然条件下的实时准确检测。此外,将搭建的三维目标自动检测装置应用于航空行李自助托运的研究,以解决航空行李分类难的问题。首先考虑航空行李的自身特性,提出了基于R-DeepForest算法的分类方法,提取行李的几何、纹理、角点、高斯曲率密度及形状描述子特征,构建特征向量,设计R-DeepForest新模型对行李样本进行分类;其次,基于LiDAR数据的三维特性,提出基于种子区域的优化分类算法;在对比分析了两种分类算法的分类可信度值后,提出了基于可信度值的分类方法对行李分类,准确率可达到91.33%。进一步应用填充率及平均高斯曲率熵将硬壳打包箱和拉杆箱进行细分类,分类结果可达到100%。实验结果表明,该目标检测分类系统实现了航空行李的可靠分类,鲁棒性更高,效果更好。