無人車所處的場景一般都含有動態(tài)特性,這些動態(tài)特性會影響無人車的自主駕駛系統,因此對動態(tài)場景進行分析對無人車具有重要作用。相比于場景理解,場景分析是基礎,更側重于底層問題研究。本文通過二維和三維數據融合,從時空角度出發(fā),將動態(tài)場景特性分為相關聯的靜態(tài)特性和動態(tài)特性,重點研究了用于分析這些特性的相關關鍵技術,即針對靜態(tài)特性分析的可通行區(qū)域檢測,以及針對動態(tài)特性分析的動靜區(qū)域分割。本文的主要工作和創(chuàng)新點如下:1.提出一種基于高斯過程回歸與條件隨機場的魯棒可通行區(qū)域檢測算法。基于幾何特性的可通行區(qū)域檢測算法相比基于學習的方法具有魯棒性和可遷移性,并且相比傳統的基于單一特征的方法更加靈活。本文提出采用貝葉斯框架對多類信息進行概率化彈性輸出,并針對可通行區(qū)域起伏變化的特點,采用一種基于改進的非靜態(tài)協方差核函數的高斯過程回歸對概率輸出進行遞推式擬合和回歸,將處理過的結果利用條件隨機場模型得到結構化的最終輸出。通過在KITTI道路檢測公開數據集以及自建校園數據上的測試,與基準方法的效果相比獲得了明顯提升,并且在主要基于幾何特征的方法中排在第二位,甚至接近了排在第一位基于激光雷達精準三維點的方法。2.提... 

【文章來源】：國防科技大學湖南省 211工程院校 985工程院校

【文章頁數】：135 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與研究意義
        1.1.1 智能汽車研究現狀
        1.1.2 本課題研究意義
    1.2 動態(tài)場景分析簡介
        1.2.1 常用傳感器簡介
        1.2.2 相關基礎理論
        1.2.3 動態(tài)場景分析關鍵技術
        1.2.4 本文采取的方法
    1.3 論文組織結構與創(chuàng)新點
        1.3.1 論文組織結構
        1.3.2 本文創(chuàng)新點
    1.4 本章小結
第二章 基于高斯過程回歸與條件隨機場的可通行區(qū)域檢測
    2.1 引言
    2.2 相關工作
    2.3 算法流程簡述
    2.4 預處理與特征表示
        2.4.1 二維和三維數據
        2.4.2 極坐標的構建
        2.4.3 基于貝葉斯框架的多特征融合
    2.5 高斯過程回歸
        2.5.1 采用高斯過程回歸的動機
        2.5.2 高斯過程回歸后的能量計算
        2.5.3 協方差矩陣的選擇
        2.5.4 幾何超參數的學習
    2.6 條件隨機場融合
    2.7 實驗和討論
        2.7.1 實驗設置
        2.7.2 數據集
        2.7.3 基準算法
        2.7.4 KITTI數據上的定量結果對比
        2.7.5 自建校園數據集上的定性實驗結果對比
        2.7.6 實驗結果與討論
    2.8 本章小結
第三章 基于立體視覺和條件隨機場的動靜區(qū)域分割
    3.1 引言
    3.2 相關工作
    3.3 動靜區(qū)域分割問題的數學模型
    3.4 算法流程與初始化
    3.5 基于立體視覺的條件隨機場模型
        3.5.1 數據項
        3.5.2 平滑約束項
    3.6 動靜區(qū)域分割問題的優(yōu)化
        3.6.1 超像素級別的動靜區(qū)域分割
        3.6.2 像素級別的動靜區(qū)域分割
    3.7 動靜區(qū)域運動估計更新
    3.8 實驗與討論
        3.8.1 實驗設置
        3.8.2 數據集和基準算法
        3.8.3 里程計實驗對比
        3.8.4 動靜區(qū)域分割
        3.8.5 動態(tài)目標檢測實驗
    3.9 本章小結
第四章 基于激光雷達點云和單目圖像融合的場景流和動靜區(qū)域分割
    4.1 引言
    4.2 相關工作
        4.2.1 場景流相關工作
        4.2.2 基于目標檢測和跟蹤相關工作
    4.3 問題定義
    4.4 算法流程
    4.5 基于激光雷達點云和單目圖像的動態(tài)區(qū)域分割
        4.5.1 預處理
        4.5.2 基于條件隨機場的能量模型
        4.5.3 后處埋
    4.6 實驗與討論
        4.6.1 實驗設置
        4.6.2 基于激光雷達點云的動靜區(qū)域分割演示細節(jié)
        4.6.3 場景流數據集上的定量實驗
        4.6.4 動靜區(qū)域分割實驗
        4.6.5 動態(tài)目標檢測實驗
        4.6.6 融合多幀的可通行區(qū)域檢測實驗
    4.7 本章小結
第五章 總結與展望
    5.1 總結
    5.2 展望
致謝
參考文獻
作者在學期間取得的學術成果



本文編號：2897951