【摘要】：環(huán)境感知技術(shù)在無人駕駛中起著重要作用,是實(shí)現(xiàn)輔助駕駛和自主駕駛的前提條件,目標(biāo)識(shí)別是無人駕駛環(huán)境感知中的重要部分。針對車輛檢測,本文完成了兩種實(shí)驗(yàn)分析:本文提出了一種基于單線激光雷達(dá)作為主傳感器,基于OptoBot-IV實(shí)驗(yàn)平臺(tái),首先通過激光雷達(dá)掃描并獲取空間輪廓數(shù)據(jù),對每幀數(shù)據(jù)采用凝聚層次聚類算法進(jìn)行目標(biāo)分割,采用最小二乘法進(jìn)行直線擬合,通過銳角判別方法判別目標(biāo)車輛的方位;然后對目標(biāo)車輛進(jìn)行特征提取,通過交叉驗(yàn)證和網(wǎng)格搜索對支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化以實(shí)現(xiàn)更好的分類效果,最后采用卡爾曼濾波(Kalman Filter)實(shí)現(xiàn)目標(biāo)車輛的跟蹤;實(shí)驗(yàn)結(jié)果表明,本文提取多種目標(biāo)車輛特征值組成特征向量并配合參數(shù)優(yōu)化后的支持向量機(jī)可以實(shí)現(xiàn)較高識(shí)別率。文中同時(shí)進(jìn)行了多種分類器效果分析,實(shí)驗(yàn)結(jié)果表明,每一個(gè)分類器雖然在降維和交叉驗(yàn)證后的正確率都有所變動(dòng),但是由于準(zhǔn)確率不足以評價(jià)一個(gè)分類器的性能,最后通過分析ROC曲線和AUC值得出最優(yōu)的分類器為隨機(jī)森林�；诼愤叺撵o態(tài)平臺(tái)上使用單線激光雷達(dá)對電動(dòng)自行車,貨車,乘用車和公交車四種車型識(shí)別。使用分類器支持向量機(jī)(SVM)對交通參與者的類型進(jìn)行分類,為了提高識(shí)別正確率,采用K折交叉驗(yàn)證和網(wǎng)格搜索的方法獲取最優(yōu)參數(shù),在四種車型分類過程中,應(yīng)用了四次分類器來處理特定的分類,最終實(shí)驗(yàn)的總體識(shí)別正確率為85.55%,其中對誤判的車型單獨(dú)進(jìn)行了識(shí)別分析,分類精度分別為96.62%、98.20%以及96.18%,這表明所使用的單線激光雷達(dá)是可以作為識(shí)別道路交通參與者類型的工具。
【圖文】：

些技術(shù)主要應(yīng)用于智能車輛的駕駛輔助系統(tǒng)上。究現(xiàn)狀檢測技術(shù)相比國外起步較晚，近年來在眾多高校和企業(yè)中研究目標(biāo)識(shí)別與跟蹤方面的技術(shù)，并取得了一定的研究成自主研制了一輛智能駕駛車輛 THMR-V[4]，該智能車輛的PS、超聲波傳感器以及激光雷達(dá)等，其中利用了兩臺(tái)計(jì)算其中一臺(tái)用于視覺信息的處理，另一臺(tái)完成環(huán)境感知、路，如圖 1.1 所示，，智能駕駛車輛通過搭載多種傳感器，并成路面目標(biāo)的識(shí)別。

如圖 1.1 所示，智能駕駛車輛通過搭載多種傳感器，并成路面目標(biāo)的識(shí)別。圖 1.1 清華大學(xué) THMR-V大學(xué)自主研制的無人駕駛平臺(tái)“OptoBot-IV”如圖 1-2 所示傳感器融合技術(shù)的車輛目標(biāo)識(shí)別和路面辨識(shí)技術(shù)研究[5]，法首先進(jìn)行車輛可行使區(qū)域的檢測，然后基于該區(qū)域進(jìn)駕駛平臺(tái)裝備多個(gè)傳感器，包括單線激光雷達(dá)、多線激相機(jī)等，通過工業(yè)相機(jī)和輪速傳感器的數(shù)據(jù)融合完成了可的識(shí)別分類，以及基于激光雷達(dá)和相機(jī)的組合完成了車
【學(xué)位授予單位】：長春理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN958.98;U463.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 鐘林輝;張能偉;侯長源;宗鴻雁;;一種改進(jìn)的基于層次聚類的軟件重構(gòu)技術(shù)研究[J];計(jì)算機(jī)工程與應(yīng)用;2015年20期

2 程斐斐;王子牛;侯立鐸;;決策樹算法在Weka平臺(tái)上的數(shù)據(jù)挖掘應(yīng)用[J];微型電腦應(yīng)用;2015年06期

3 周俊靜;段建民;楊光祖;;基于雷達(dá)測距的車輛識(shí)別與跟蹤方法[J];汽車工程;2014年11期

4 慶鵬程;陳昆山;;基于點(diǎn)云處理技術(shù)的汽車車身尺寸獲取研究[J];科學(xué)技術(shù)與工程;2014年23期

5 滿增光;葉文華;肖海寧;錢曉明;;從激光掃描數(shù)據(jù)中提取角點(diǎn)特征的方法[J];南京航空航天大學(xué)學(xué)報(bào);2012年03期

6 劉大學(xué);戴斌;李政;賀漢根;;一種單線激光雷達(dá)和可見光攝像機(jī)的標(biāo)定方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年S1期

7 戈新良,楊杰;基于多傳感器融合的機(jī)器人障礙物檢測和識(shí)別[J];計(jì)算機(jī)仿真;2005年03期

8 張軍宇,何克忠;移動(dòng)機(jī)器人THMR-V的組合定位系統(tǒng)[J];計(jì)算機(jī)工程與應(yīng)用;2001年15期

相關(guān)博士學(xué)位論文 前3條

1 劉大學(xué);用于越野自主導(dǎo)航車的激光雷達(dá)與視覺融合方法研究[D];國防科學(xué)技術(shù)大學(xué);2009年

2 楊小兵;聚類分析中若干關(guān)鍵技術(shù)的研究[D];浙江大學(xué);2005年

3 項(xiàng)志宇;基于激光雷達(dá)的移動(dòng)機(jī)器人障礙檢測和自定位[D];浙江大學(xué);2002年

相關(guān)碩士學(xué)位論文 前8條

1 曾奇;激光測距與視覺融合的室內(nèi)導(dǎo)航系統(tǒng)研究[D];電子科技大學(xué);2018年

2 蔣帥;基于AUC的分類器性能評估問題研究[D];吉林大學(xué);2016年

3 王亞麗;基于毫米波雷達(dá)與機(jī)器視覺融合的前方車輛檢測研究[D];吉林大學(xué);2013年

4 史鵬波;基于單線激光雷達(dá)的道路特征檢測[D];南京理工大學(xué);2013年

5 萬忠濤;基于激光雷達(dá)的道路與障礙檢測研究[D];國防科學(xué)技術(shù)大學(xué);2010年

6 戴永前;基于二維激光雷達(dá)的移動(dòng)機(jī)器人三維環(huán)境的識(shí)別[D];南京理工大學(xué);2007年

7 賀煒;移動(dòng)機(jī)器人體系結(jié)構(gòu)的設(shè)計(jì)和研究[D];哈爾濱工程大學(xué);2006年

8 駱名劍;基于ROC的分類算法評價(jià)方法[D];武漢科技大學(xué);2005年

本文編號(hào)：2681042