在面向室外的環(huán)境感知技術(shù)中,利用激光雷達(dá)收集高精度的三維點(diǎn)云數(shù)據(jù)已成為研究者獲取環(huán)境物體表面空間信息的重要手段。在點(diǎn)云數(shù)據(jù)處理任務(wù)中,快速、高效的點(diǎn)云分割及分類技術(shù)是智能機(jī)器人、智能駕駛汽車環(huán)境感知功能的重要技術(shù)支撐。然而,激光雷達(dá)收集到的三維點(diǎn)云數(shù)據(jù)復(fù)雜度高、數(shù)據(jù)量大,并且分布不均勻,這為高效、準(zhǔn)確地處理三維點(diǎn)云數(shù)據(jù)帶來了難度,并且由于點(diǎn)云數(shù)據(jù)排列方式與二維圖像中像素的規(guī)則的排列方式不同,這使得卷積神經(jīng)網(wǎng)絡(luò)不能直接用來獲取三維點(diǎn)云之間的局部相關(guān)性信息。因此,為了提升Li DAR點(diǎn)云中的物體分割速度及分類的準(zhǔn)確性,本文利用車載激光雷達(dá)采集大規(guī)模三維點(diǎn)云數(shù)據(jù),完成了以下工作內(nèi)容:1)在無人駕駛汽車車頂安裝32線激光雷達(dá)設(shè)備,在室外采集無人駕駛汽車周圍環(huán)境的原始三維點(diǎn)云數(shù)據(jù),并對(duì)其完成數(shù)據(jù)精簡(jiǎn)操作;2)用本文提出的基于圖形處理器加速的連通區(qū)域標(biāo)記算法完成了對(duì)三維點(diǎn)云數(shù)據(jù)的快速、實(shí)時(shí)的分割,并對(duì)該算法進(jìn)行了CPU-GPU的性能對(duì)比,通過對(duì)比實(shí)驗(yàn)得出本文所提出的三維物體分割算法可以實(shí)現(xiàn)超過30fps（每秒幀）的分割速度,可達(dá)到優(yōu)化無人車感知周圍場(chǎng)景的運(yùn)行效率,提高無人駕駛自主決策的能力。3)在... 

【文章來源】：北方工業(yè)大學(xué)北京市

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

美國Velodyne公司所

第一章緒論3林業(yè)、激光制導(dǎo)、和激光測(cè)高等領(lǐng)域都有應(yīng)用價(jià)值。近年來，這項(xiàng)技術(shù)也被用于自動(dòng)駕駛汽車的控制和導(dǎo)航之中，隨著激光雷達(dá)技術(shù)的快速發(fā)展和智慧城市的廣泛需求，逐漸出現(xiàn)了一些生產(chǎn)用于車載掃描周圍環(huán)境獲取三維點(diǎn)云的公司，如美國的Velodyne公司、法國的TopoSys公司、德國IBEO公司和和Sick公司等[4]。其中美國Velodyne公司所生產(chǎn)的Velodyne激光雷達(dá)被廣泛應(yīng)用在自動(dòng)駕駛車輛上。如圖1-1所示，Velodyne激光雷達(dá)具備高性能和高精度的優(yōu)勢(shì)，其16線、32線、64線的激光雷達(dá)不僅被大多數(shù)自動(dòng)駕駛生產(chǎn)商使用，如谷歌、百度等參與智能輔助駕駛、無人駕駛研究的企業(yè)，還受到國際高校研究者們的青睞，Velodyne基本已經(jīng)成為自動(dòng)駕駛汽車激光雷達(dá)的黃金標(biāo)準(zhǔn)[5]。2016年8月Velodyne公司旗下激光雷達(dá)公司VelodyneLiDAR得到百度與福特公司的共同投資，投資金額達(dá)到1.5億美元，三家公司希望通過此全方位次合作可以使得激光雷達(dá)價(jià)格不再昂貴，從而促進(jìn)無人駕駛技術(shù)的商業(yè)化進(jìn)程。2017年11月7日，128線激光雷達(dá)(VLS-128)正式被推出,和64線激光雷達(dá)相比較，其可探測(cè)量的范圍顯著增加，約提高1倍，抗潮抗干燥性能增加�？梢圆蹲礁啻罅考�(xì)節(jié)，如60米內(nèi)可以識(shí)別人體手指的動(dòng)作等，且體積相對(duì)于64線激光雷達(dá)有所縮小，采集的點(diǎn)云數(shù)據(jù)量是64線激光雷達(dá)的4倍，價(jià)格基本相同。(a)16線(b)32線(c)64線(d)128線(e)32線激光雷達(dá)掃描大規(guī)模三維場(chǎng)景圖1-1美國Velodyne公司所生產(chǎn)的多線激光雷達(dá)傳感器LiDAR提供的三維點(diǎn)云為自主系統(tǒng)判定環(huán)境中可能存在的障礙物以及其位

第二章相關(guān)關(guān)鍵技術(shù)11圖2-1VelodyneHDL-32ELidar線激光雷達(dá)設(shè)備表2-1VelodyneHDL-32ELidar性能參數(shù)特性HDL32激光線數(shù)32觀測(cè)距離80-100m精度±2cm數(shù)據(jù)類型距離/校準(zhǔn)發(fā)射率數(shù)據(jù)頻率0.7Mpts/s垂直角度40°（+10.67°~-30.67°）水平角度360°垂直分辨率1.3°輸入電壓9-32功率12wa體積86*145mm重量<2kg2.2三維點(diǎn)云數(shù)據(jù)的獲取及分類三維點(diǎn)云數(shù)據(jù)的獲取是感知場(chǎng)景的基礎(chǔ)環(huán)節(jié)，三維點(diǎn)云是通過掃描設(shè)備對(duì)其周圍環(huán)境掃描得到的可以獲得三維物體空間信息的數(shù)據(jù)集。點(diǎn)云數(shù)據(jù)是指在一個(gè)三維坐標(biāo)系統(tǒng)中的一組向量的集合，這些向量通常以X,Y,Z三維坐標(biāo)的形式表示，而且一般主要用來代表一個(gè)物體的外表面形狀。除（X,Y,Z）代表的幾何位置信息之外，點(diǎn)云數(shù)據(jù)還可以表示一個(gè)點(diǎn)的RGB顏色，灰度值，深度，分割結(jié)果等[40]。

【參考文獻(xiàn)】：
期刊論文
[1]激光雷達(dá)技術(shù)研究現(xiàn)狀及其應(yīng)用[J]. 李鑫慧,郭蓬,臧晨,戎輝,唐風(fēng)敏.  汽車電器. 2019(05)
[2]一種精簡(jiǎn)點(diǎn)云的快速配準(zhǔn)算法[J]. 金露,王福偉,鐘可君,伏燕軍.  激光雜志. 2019(02)
[3]三維激光雷達(dá)在無人車環(huán)境感知中的應(yīng)用研究[J]. 張銀,任國全,程子陽,孔國杰.  激光與光電子學(xué)進(jìn)展. 2019(13)
[4]基于近鄰搜索的激光點(diǎn)云數(shù)據(jù)孤立噪點(diǎn)濾波研究[J]. 張芳菲,梁玉斌,王佳.  測(cè)繪工程. 2018(11)
[5]解析自動(dòng)駕駛的三大傳感器[J]. 杜莎,曹熙.  汽車與配件. 2018(23)
[6]基于三維激光雷達(dá)和深度圖像的自動(dòng)駕駛汽車障礙物檢測(cè)方法[J]. 王新竹,李駿,李紅建,尚秉旭.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2016(02)
[7]大場(chǎng)景內(nèi)建筑物點(diǎn)云提取及平面分割算法[J]. 盧維欣,萬幼川,何培培,陳茂霖,秦家鑫,王思穎.  中國激光. 2015(09)
[8]智能車輛3-D點(diǎn)云快速分割方法[J]. 王肖,王建強(qiáng),李克強(qiáng),徐成,李曉飛.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(11)
[9]簡(jiǎn)述三維點(diǎn)云處理技術(shù)的研究[J]. 段紅娟.  電子技術(shù)與軟件工程. 2013(14)
[10]基于三維點(diǎn)云模型的特征線提取算法[J]. 劉倩,耿國華,周明全,趙璐璐,李姬俊男.  計(jì)算機(jī)應(yīng)用研究. 2013(03)

碩士論文
[1]多路徑激光雷達(dá)三維數(shù)據(jù)處理技術(shù)研究[D]. 劉建偉.電子科技大學(xué) 2018
[2]北京威克露天鐵礦山地質(zhì)環(huán)境動(dòng)態(tài)監(jiān)測(cè)研究[D]. 賴自力.中國地質(zhì)大學(xué)(北京) 2018



本文編號(hào)：3453079