行人檢測(cè)是機(jī)器視覺研究的熱點(diǎn)和難點(diǎn)。隨著第四次工業(yè)革命的到來,人類生產(chǎn)生活方式也發(fā)生了巨大的變化,行人檢測(cè)在自動(dòng)駕駛、智能物流、智能監(jiān)控等領(lǐng)域得到廣泛地應(yīng)用。針對(duì)現(xiàn)有移動(dòng)機(jī)器人實(shí)踐平臺(tái),需要增加行人檢測(cè)功能,研究一種低成本、高效率的行人檢測(cè)方法來解決當(dāng)前需求。本文設(shè)計(jì)了一種高性價(jià)比的行人檢測(cè)方法,利用單線激光雷達(dá)和普通平面相機(jī),通過坐標(biāo)系轉(zhuǎn)換,實(shí)現(xiàn)了三維信息數(shù)據(jù)的獲取。激光雷達(dá)的深度信息是指激光雷達(dá)感知周圍環(huán)境得到二維平面信息,通過數(shù)據(jù)聚類、環(huán)境切割的方式得到目標(biāo)的坐標(biāo)位置、距離、角度信息。結(jié)合二維激光雷達(dá)的深度信息與低成本的平面視覺方案融合,將這兩種傳感器的信息進(jìn)行匹配并融合得到對(duì)行人位置的三維感知,提高了行人檢測(cè)算法的準(zhǔn)確率,系統(tǒng)上實(shí)現(xiàn)了一種具有低成本、高性能的基于深度和圖像信息的行人檢測(cè)方法。在具體實(shí)現(xiàn)方面,該方法在計(jì)算資源有限的情況下對(duì)激光雷達(dá)和視覺圖像數(shù)據(jù)分別采用了濾波+聚類+環(huán)境切割以及HOG+SVM的處理方式得到了較好的計(jì)算結(jié)果,有效結(jié)合了激光雷達(dá)對(duì)行人距離信息的觀測(cè)以及視覺系統(tǒng)對(duì)行人的識(shí)別精度,使得系統(tǒng)最終可以在動(dòng)態(tài)環(huán)境中檢測(cè)出行人,解決了雷達(dá)在復(fù)雜環(huán)境中行人檢測(cè)識(shí)別不... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

機(jī)器人移動(dòng)平臺(tái)（2）激光雷達(dá)

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-6-測(cè)，并將增加成本約束在1000元以內(nèi)。（2）行人檢測(cè)性能指標(biāo)為了實(shí)現(xiàn)良好的行人檢測(cè)能力，需要根據(jù)移動(dòng)機(jī)器人的機(jī)動(dòng)性能對(duì)行人檢測(cè)的技術(shù)指標(biāo)進(jìn)行約束，以便移動(dòng)機(jī)器人在檢測(cè)到行人之后能夠及時(shí)的做出響應(yīng)。根據(jù)智慧校園巡檢機(jī)器人項(xiàng)目需求，規(guī)定移動(dòng)機(jī)器人在4米范圍內(nèi)行人檢測(cè)的誤檢率低于15%或準(zhǔn)確率高于85%，漏檢率低于10%或召回率高于80%，視覺檢測(cè)實(shí)時(shí)性高于10FPS/s�；谏鲜鲂枨�，這里將介紹本課題選用的軟硬件平臺(tái)如下：（1）移動(dòng)機(jī)器人平臺(tái)硬件本課題選用的DOBOTM1+AGV實(shí)驗(yàn)開發(fā)平臺(tái)是一款融合了自主研發(fā)的協(xié)作型機(jī)器人、智能移動(dòng)底盤的全感知實(shí)驗(yàn)平臺(tái)。機(jī)器人移動(dòng)平臺(tái)如圖1-1所示，關(guān)鍵參數(shù)如表1-1所示。表1-1移動(dòng)機(jī)器人關(guān)鍵參數(shù)表參數(shù)名稱參數(shù)介紹最大運(yùn)行速度1.0m/s激光雷達(dá)（加裝）EAIF4高精度激光雷達(dá)避障傳感器超聲波模塊x5防跌落傳感器紅外模塊x5圖1-1機(jī)器人移動(dòng)平臺(tái)圖1-2激光雷達(dá)示意圖（2）激光雷達(dá)單線激光雷達(dá)，實(shí)際是一個(gè)高同頻脈沖激光測(cè)距儀，加上一個(gè)一維旋轉(zhuǎn)掃。

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-10-圖2-1三角測(cè)距原理測(cè)量模型示意圖由三角形原理，可得公式（2-1）,=tan1(2-1)式中——被測(cè)物體與激光頭距離，——激光頭與鏡頭光心的距離，——激光光速與鏡頭光軸的夾角。角度和視覺觀測(cè)的關(guān)系如公式（2-2）所示，=tan1(2-2)式中——視覺系統(tǒng)中直接觀測(cè)的像素編號(hào)，——視覺系統(tǒng)中光心對(duì)應(yīng)的像素編號(hào)，——視覺系統(tǒng)的計(jì)算焦距，即物理焦距與像素尺寸的比。最終得到檢測(cè)物體與激光雷達(dá)的距離如公式（2-3）所示：=tan(tan1+)(2-3)2.2.2目標(biāo)檢測(cè)和跟蹤本節(jié)將研究激光雷達(dá)對(duì)行人的雙腿模型檢測(cè)的方法，激光雷達(dá)安裝示意圖如圖2-2所示，單線激光雷達(dá)安裝在機(jī)器人離地面0.2m的高度處，保證可以檢測(cè)到行人的小腿位置，小腿具有類似兩個(gè)弧形的特征。通過F4PRO激光雷達(dá)獲取到行人腿部信息之后，為提高檢測(cè)效果，通過

【參考文獻(xiàn)】：
期刊論文
[1]Faster R-CNN行人檢測(cè)與再識(shí)別為一體的行人檢索算法[J]. 陳恩加,唐向宏,傅博文.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2019(02)
[2]基于機(jī)器強(qiáng)化學(xué)習(xí)與蒙特卡洛樹的基本原理及其應(yīng)用[J]. 李承奧.  通訊世界. 2019(02)
[3]基于視覺推理的機(jī)器人多物體堆疊場(chǎng)景抓取方法[J]. 張翰博,蘭旭光,周欣文,田智強(qiáng),張揚(yáng),鄭南寧.  中國(guó)科學(xué):技術(shù)科學(xué). 2018(12)
[4]基于OpenCV的深度學(xué)習(xí)目標(biāo)檢測(cè)與跟蹤[J]. 柯研,劉信言,鄭鈺輝.  數(shù)字技術(shù)與應(yīng)用. 2018(10)
[5]基于深度數(shù)據(jù)的車輛目標(biāo)檢測(cè)與跟蹤方法[J]. 陸德彪,郭子明,蔡伯根,姜維,王劍,上官偉.  交通運(yùn)輸系統(tǒng)工程與信息. 2018(03)
[6]地震振幅放大系數(shù)檢測(cè)方法研究[J]. 王可,潘志成,陳堯,葉曉冬,肖梅玲.  價(jià)值工程. 2016(26)
[7]結(jié)合SVM分類器與HOG特征提取的行人檢測(cè)[J]. 徐淵,許曉亮,李才年,姜梅,張建國(guó).  計(jì)算機(jī)工程. 2016(01)
[8]基于目標(biāo)跟蹤的粒子群粒子濾波算法研究[J]. 張才千,葛磊,韓東.  計(jì)算機(jī)仿真. 2014(08)
[9]深度神經(jīng)網(wǎng)絡(luò)的快速學(xué)習(xí)算法[J]. 卓維,張磊.  嘉應(yīng)學(xué)院學(xué)報(bào). 2014(05)
[10]基于局部特征級(jí)聯(lián)分類器和模板匹配的行人檢測(cè)[J]. 周晨卉,王生進(jìn),丁曉青.  中國(guó)圖象圖形學(xué)報(bào). 2010(05)

碩士論文
[1]基于深度學(xué)習(xí)的行人再識(shí)別技術(shù)研究與實(shí)現(xiàn)[D]. 段朦.南京郵電大學(xué) 2018
[2]機(jī)場(chǎng)周界監(jiān)視雷達(dá)入侵目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D]. 劉任.電子科技大學(xué) 2018
[3]基于激光雷達(dá)與攝像機(jī)的車輛輔助駕駛技術(shù)研究[D]. 王帥.吉林大學(xué) 2018
[4]基于激光雷達(dá)的室內(nèi)移動(dòng)機(jī)器人自主導(dǎo)航與行人跟蹤研究[D]. 鄭燦濤.華南理工大學(xué) 2018
[5]基于機(jī)器視覺的目標(biāo)檢測(cè)與跟蹤的研究與實(shí)現(xiàn)[D]. 唐宇晨.北京郵電大學(xué) 2018



本文編號(hào)：3041032