【摘要】：目標識別是計算機視覺領域一個重要的研究方向,即將所需的一個或一類目標在場景中進行提取,并與其他目標進行區(qū)分。通常,目標識別可以描述為典型的模式識別問題,并包含以下四步驟:原始數(shù)據(jù)的預處理,數(shù)據(jù)特征提取,特征分類器的設計與訓練以及最終的分類步驟。目前,目標識別研究集中于二維圖像處理之中,而隨著三維成像技術的發(fā)展,結構光測量、激光掃描、ToF等技術趨于成熟,物體表面的三維坐標能夠精準而快速的獲取,從而生成場景的三維數(shù)據(jù),能夠更好地感知和理解周圍環(huán)境。因此,本課題旨在解決復雜場景下基于三維激光點云的人體目標識別方案研究問題。為此,本課題搭建一套穩(wěn)定、快速激光雷達掃描系統(tǒng),同時設計了一套運行于之上的復雜點云場景人體目標識別方案。本論文重點研究了如下內(nèi)容:(1)三維激光雷達掃描系統(tǒng)的搭建。針對雷達掃描特點確定了系統(tǒng)的軟硬件構成,并設計了兩套掃描方式,實現(xiàn)了一套穩(wěn)定、快速的掃描系統(tǒng);(2)場景點云的預處理。具體的,選擇了基于最小二乘法的地平面方程提取方法,準確提取場景內(nèi)的地面信息;提出了一種新的基于點云有序性的背景點移除方法,用于移除場景內(nèi)的復雜背景點云;對掃描點云進行了坐標系轉換與地面點移除操作;對比分析了兩種噪聲點移除方法的優(yōu)劣,確定了基于半徑濾波器的噪聲移除方案;(3)人體目標的識別。本論文比較、分析了多種場景點云分割方案,并綜合各方案優(yōu)缺點提出了基于投影法的場景點云分割方法,提高了待檢測目標提取的準確率;比較、分析了三種點云目標特征提取方法的性能,確定了基于ESF的點云目標特征提取方法;確定了基于支持向量機的分類器模型設計;最終實現(xiàn)了可用性高的復雜場景下的人體目標識別方案;(4)基于深度學習的點云處理方案研究,分析了兩種基于深度學習的點云處理算法模型——PointSIFT和SO-NET,介紹其深度神經(jīng)網(wǎng)絡原理并對其進行簡單的網(wǎng)絡性能分析,用于指導后續(xù)的研究工作。
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TN249
【圖文】：

達能力有所不足。逡逑針對不同類型傳感器獲取的點云數(shù)據(jù)，相應獲得的三維點云分布方式也有所逡逑不同，具體的，可分為圖１－１所示四類：逡逑Y"：j_逡逑（ａ）掃描線式點云邐（ｂ）三角式點云逡逑0邋00逡逑0■■■■0—0■？？？0邋0邋0逡逑0邐°邋°逡逑0……000邋0逡逑0—0—0＂—＂0邐000逡逑（ｃ）陣列式點云邐（ｄ）散亂式點云逡逑圖１－１點云分布方式示意圖逡逑（１）掃描線式點云逡逑該類型點云通常由三維激光雷達掃描獲得，數(shù)據(jù)依雷達掃描線排列，各掃描逡逑２逡逑

景進行完整掃描，有鑒于此，我們設計了一種基于三維激光雷達的場景掃描裝置，，逡逑能夠通過固定位置安裝的激光雷達掃描裝置對場景進行實時掃描成像，該掃描裝逡逑置示意圖如圖２－１所示：逡逑ｆ邋＾＝１逡逑ｐＦ逡逑圖２－１三維激光雷達掃描系統(tǒng)示意圖逡逑如圖２－１所示，其中，１為成像激光雷達，２為人體目標識別系統(tǒng)，３為三維逡逑激光雷達系統(tǒng)中的旋轉平臺。三維成像激光雷達系統(tǒng)通過激光測距實現(xiàn)單點測量，逡逑１０逡逑

逑通過內(nèi)部旋轉裝置實現(xiàn)單線掃描，通過外部旋轉平臺實現(xiàn)場景的三維測量，最終逡逑掃描覆蓋區(qū)域如圖２－１所示深色區(qū)域。逡逑其中，在本論文中，所采用的成像激光雷達為ＷＬＲ－７１１型號。激光雷達與逡逑旋轉平臺的具體參數(shù)如下所示：逡逑（１）邐ＷＬＲ－７１１激光雷達技術參數(shù)：逡逑|r掃描距離：３０ｍ逡逑？掃描角度：１８０°逡逑修角度分辨率：０．２５°逡逑蠢幀頻：５０Ｈｚ逡逑|r精度：±３ｃｍ逡逑S眉す夥⑸⒔牽海玻擔恚潁幔溴義希ǎ玻

本文編號：2814651