在汽車智能駕駛系統(tǒng)中,激光雷達由于其獨特的三維成像能力,成為場景探測感知傳感器群組中不可或缺的組成部分。為提升單一波長激光雷達在物性探測分類和狀態(tài)上的性能,借鑒多光譜探測具有物性探測能力的原理,論文對適用于汽車智能駕駛的多光譜激光雷達的波段選擇進行了可行性研究,利用主成分分析法對智能駕駛中典型目標進行光譜計算及分析,結合激光光源特性以及光電探測器的特性,綜合多光譜激光雷達波段選擇方法和智能駕駛應用場景中典型目標地物光譜特性,以及商用激光雷達的可獲得性,得出了適用汽車智能駕駛的多光譜激光雷達的波長可以選擇808 nm、905 nm、1 064 nm、1 310 nm,并通過測試驗證了多光譜激光雷達所選波長的有效性。 

【文章來源】：紅外與毫米波學報. 2020,39(01)北大核心EISCICSCD

【文章頁數(shù)】：6 頁

【參考文獻】：
期刊論文
[1]上海典型植被夏季與冬季的光譜特征分析[J]. 項巧巧,申廣榮,吳裕,康宏樟,朱赟.  上海交通大學學報(農(nóng)業(yè)科學版). 2018(05)
[2]基于光譜特征的路面材料區(qū)分度分析[J]. 張映雪,徐威,王勇,莊大方.  長沙理工大學學報(自然科學版). 2017(04)
[3]公路路面光譜特征分析與瀝青路面老化遙感監(jiān)測方法初探[J]. 金續(xù),張顯峰,羅倫,潘一凡,陽柯.  地球信息科學學報. 2017(05)
[4]利用Tikhonov正則化算法進行光譜特征波長的選擇及其參數(shù)優(yōu)化[J]. 趙安新,湯曉君,張鐘華,劉君華.  光譜學與光譜分析. 2014(07)
[5]人體目標光譜特性對微光像增強器視距的影響[J]. 張俊舉,楊文彬,許輝,劉磊,陶媛媛.  光譜學與光譜分析. 2013(11)
[6]基于主成分分析的消光法波長選擇算法[J]. 唐紅,鄭文斌,李憲霞.  光電工程. 2010(05)
[7]主成分分析法在油熒光光譜波段選擇中的應用[J]. 劉智深,丁寧,趙朝方,齊敏.  地理空間信息. 2009(03)



本文編號：3280427