在城市道路场景下基于稀疏三维点云的目标识别

《在城市道路场景下基于稀疏三维点云的目标识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文在城市道路场景下基于稀疏三维点云的目标识别OBJECTRECOGNITIONBASEDONSPARSE3DPOINTCLOUDINURBANENVIRONMENT樊建崟哈尔滨工业大学2018年1月国内图书分类号：TP391学校代码：10213国际图书分类号：621密级：公开工学硕士学位论文在城市道路场景下基于稀疏三维点云的目标识别硕士研究生：樊建崟导师：朱晓蕊教授申请学位：工学硕士学科：控制科学与工程所在单位：深圳研究生院答辩日期：2017年12月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP391U.D.C:621

2、AdissertationsubmittedinpartialfulfillmentoftherequirementsfortheacademicdegreeofMasterofEngineeringOBJECTRECOGNITIONBASEDONSPARSE3DPOINTCLOUDINURBANENVIRONMENTCandidate：FanJianyinSupervisor：Prof.ZhuXiaoruiAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ControlSciencea

3、ndEngineeringAffiliation：ShenzhenGraduateSchoolDateofDefence：December,2017Degree-Conferring-Institution：HarbinInstituteofTechnology摘要摘要目前越来越多的研究机构参与到了无人驾驶汽车的研究中。对于无人车来说，一个能够对外界环境进行检测、为其控制系统提供必要信息的感知系统是其必不可少的组成部分。激光雷达由于其工作不依赖外界环境以及检测精度高等优良特点，被广泛运用于无人车感知系统中。目前，绝大部分的无人车研究中，均使用了数

4、据密度较高的64线激光雷达以实现车辆定位和目标检测等功能。但64线激光雷达高昂的售价严重制约了无人车的商业化发展，一个基于价格较低的16线激光雷达的感知系统是非常有必要的。所以，本论文的主要研究内容为基于16线激光雷达的运用于无人车的目标识别算法。基于激光雷达的感知系统分为数据预处理、目标分割和目标分类三个主要组成部分。原始数据预处理主要包括原始数据转换和地面点识别，在将原始数据转换为有序点云后进行地面识别，区分出点云中的地面点。目标物体分割为使用适用于16线激光雷达的分割算法，将完整的点云分割为代表着场景中各个物体的点集。目标分类则是将分割出的

5、目标物体点集使用分类器进行分类。针对栅格图像点云分割算法，本文通过引入未占用空间约束和物体形状信息减少该算法在运用于16线激光雷达数据时出现的分割错误。对完成地面识别的点云栅格化后，使用图像膨胀将属于同一物体的像素相互连接，同时对原始点云数据进行插补，以获得更加可靠的未占用空间约束。通过在膨胀后的栅格图像中加入未占用空间约束，减少由于图像膨胀导致的不合理像素。最后在通过修正后栅格图像和区域生长标记整个点云后，对于两种常见的分割错误进行了进一步修正。手工标记的分割数据集证明该分割方法确实能够减少分割错误。针对目前常用的三维点云检测特征，通过比较这些

6、特征在16线激光雷达数据上的表现，选出最为合适的特征组合，以达到最高的分类准确率。在训练分类器之前，为了获得大量用于激光雷达数据分类的数据集，采用了对物体在不同帧之间的跟踪序列进行标记的方法，极大减少样本标记时间。对于常用特征通过训练单特征分类器确定其在16线激光雷达数据上的适用性，随后将性能较好的特征进行组合后训练最终分类器。对于场景中的物体，本文将其分为行人、汽车、卡车和背景四类，最终分类器为四个一对多分类器，而目标物体种类由概率输出最大的分类器决定。关键词：激光雷达；目标分割；目标识别；无人驾驶-I-AbstractAbstractAuto

7、nomousdrivingtechnologieshavereceivedmoreandmoreattentioninthelastdecade.Objectperceptionsystemisoneoftheimportanttechnologiesforanautonomousvehicle,itcandetecteenvironmentandprovideinformationforcontrolsystem.ALightDetectionandRanging(LiDAR)iswidelyusedinautonomousdrivingres

8、earch,becauseitcanprovidemoreaccurate3Dinformationoftheenvironmentan