自動(dòng)駕駛是近年來(lái)的熱門課題,涉及感知、控制、規(guī)劃等復(fù)雜任務(wù),其首要任務(wù)是實(shí)現(xiàn)基于多傳感器融合的智能感知,而精確的多傳感融合依賴于傳感器之間的坐標(biāo)系轉(zhuǎn)換關(guān)系（外參數(shù)）。在當(dāng)前主流的自動(dòng)駕駛方案中,相機(jī)（單目相機(jī)、雙目相機(jī)）能提供豐富的特征和紋理信息,激光雷達(dá)（LiDAR）能提供高精度的物體深度信息,兩者的高精確度的數(shù)據(jù)融合至關(guān)重要,因而相機(jī)和激光雷達(dá)的高精確度外參標(biāo)定十分必要（外參標(biāo)定是指估計(jì)傳感器之間相對(duì)的旋轉(zhuǎn)和平移,即外參數(shù)）。當(dāng)前,面向自動(dòng)駕駛的相機(jī)和激光雷達(dá)自標(biāo)定算法面臨著一些挑戰(zhàn):（1）現(xiàn)存方法大多基于初始值對(duì)外參數(shù)進(jìn)行優(yōu)化,由于車輛在連續(xù)運(yùn)動(dòng),難以通過(guò)傳統(tǒng)的利用標(biāo)定板或手動(dòng)操作的方法獲得外參數(shù)的初始值;（2）自標(biāo)定算法利用原始的相機(jī)圖像和激光雷達(dá)點(diǎn)云進(jìn)行標(biāo)定,應(yīng)對(duì)數(shù)據(jù)質(zhì)量的寬容度高;（3）車輛長(zhǎng)時(shí)間行駛的過(guò)程中可能出現(xiàn)傳感器位置的偏移,標(biāo)定算法應(yīng)能夠進(jìn)行及時(shí)的修正。為解決標(biāo)定算法獲得外參數(shù)初始值問(wèn)題,本文提出了一種新穎的相機(jī)-激光雷達(dá)系統(tǒng)外參數(shù)標(biāo)定方法,利用手眼標(biāo)定的方式來(lái)解決標(biāo)定算法中獲取初始值問(wèn)題,并通過(guò)引入單目相機(jī)深度值估計(jì)來(lái)解決單目相機(jī)運(yùn)動(dòng)中感知尺度丟失的問(wèn)題。為了在... 

【文章來(lái)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(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景和意義
    1.2 研究現(xiàn)狀
        1.2.1 相機(jī)標(biāo)定研究現(xiàn)狀
        1.2.2 相機(jī)-激光雷達(dá)外參手動(dòng)標(biāo)定研究現(xiàn)狀
        1.2.3 相機(jī)-激光雷達(dá)外參自動(dòng)標(biāo)定研究現(xiàn)狀
        1.2.4 基于特征的方法
        1.2.5 基于運(yùn)動(dòng)的方法
        1.2.6 基于互信息的方法
        1.2.7 基于深度學(xué)習(xí)的方法
    1.3 本文的主要研究?jī)?nèi)容
    1.4 本文的章節(jié)安排
第2章 相機(jī)、激光雷達(dá)的光學(xué)模型和內(nèi)參標(biāo)定
    2.1 相機(jī)的針孔模型
        2.1.1 空間的旋轉(zhuǎn)和平移
        2.1.2 理想針孔相機(jī)模型
        2.1.3 相機(jī)成像畸變
        2.1.4 數(shù)據(jù)結(jié)果
    2.2 激光雷達(dá)的機(jī)械結(jié)構(gòu)和工作原理
        2.2.1 測(cè)距原理
        2.2.2 數(shù)據(jù)格式
        2.2.3 數(shù)據(jù)結(jié)果
    2.3 張氏標(biāo)定法
        2.3.1 單應(yīng)性矩陣
        2.3.2 根據(jù)約束求解
        2.3.3 實(shí)驗(yàn)結(jié)果
    2.4 Kalibr工具——相機(jī)內(nèi)外參數(shù)和機(jī)器人狀態(tài)聯(lián)合在線估計(jì)的標(biāo)定方法
        2.4.1 建立高斯運(yùn)動(dòng)-觀測(cè)模型
        2.4.2 梯度優(yōu)化
        2.4.3 通過(guò)信息熵更新標(biāo)定
        2.4.4 實(shí)驗(yàn)結(jié)果
    2.5 基于單幀數(shù)據(jù)和標(biāo)定板的相機(jī)-激光雷達(dá)內(nèi)外參標(biāo)定
        2.5.1 角點(diǎn)檢測(cè)和棋盤格生長(zhǎng)
        2.5.2 亞像素精細(xì)化處理
        2.5.3 外參計(jì)算
        2.5.4 實(shí)驗(yàn)結(jié)果
第3章 幾類重要的相機(jī)-激光雷達(dá)自標(biāo)定方法
    3.1 基于互信息的自標(biāo)定
        3.1.1 互信息概念
        3.1.2 概率估計(jì)
        3.1.3 梯度優(yōu)化
    3.2 基于邊緣特征匹配的自標(biāo)定方法
        3.2.1 邊緣和深部連續(xù)的一致性假設(shè)
        3.2.2 邊緣提取
        3.2.3 優(yōu)化目標(biāo)函數(shù)
    3.3 基于運(yùn)動(dòng)的自標(biāo)定方法
        3.3.1 問(wèn)題闡述
        3.3.2 參數(shù)求解
        3.3.3 誤差估計(jì)
    3.4 基于深度學(xué)習(xí)的方法
        3.4.1 神經(jīng)網(wǎng)絡(luò)的輸入
        3.4.2 神經(jīng)網(wǎng)絡(luò)架構(gòu)
        3.4.3 損失函數(shù)
第4章 基于深度-邊緣匹配的自標(biāo)定算法的理論基礎(chǔ)
    4.1 李群和李代數(shù)簡(jiǎn)述
        4.1.1 李群和李代數(shù)的定義
        4.1.2 旋轉(zhuǎn)矩陣和李代數(shù)的關(guān)系
        4.1.3 李代數(shù)運(yùn)算
        4.1.4 指數(shù)映射
    4.2 圖像相鄰幀的特征匹配
    4.3 無(wú)尺度的單目視覺里程計(jì)
    4.4 基于深度信息的單目視覺里程計(jì)
        4.4.1 問(wèn)題闡述
        4.4.2 控制點(diǎn)求解
    4.5 光束平差法
    4.6 基于迭代最近點(diǎn)的激光雷達(dá)點(diǎn)云配準(zhǔn)
    4.7 協(xié)方差自適應(yīng)調(diào)整的進(jìn)化策略
        4.7.1 構(gòu)建高斯模型
        4.7.2 最大似然估更新參數(shù)
        4.7.3 優(yōu)化步長(zhǎng)調(diào)整
    4.8 基于有序回歸網(wǎng)絡(luò)的單目深度估計(jì)
        4.8.1 稠密特征提取
        4.8.2 場(chǎng)景理解
        4.8.3 距離漸進(jìn)離散化
        4.8.4 多分類回歸
第5章 基于深度-邊緣匹配的自標(biāo)定方法與實(shí)驗(yàn)結(jié)果
    5.1 問(wèn)題闡述
        5.1.1 外參的初始化
        5.1.2 數(shù)據(jù)轉(zhuǎn)換
        5.1.3 參數(shù)優(yōu)化
    5.2 算法實(shí)現(xiàn)
        5.2.1 第一階段——基于手眼標(biāo)定的初始化
        5.2.2 第二階段——基于深度匹配的標(biāo)定
        5.2.3 第三階段——基于深度-邊緣的標(biāo)定
    5.3 系統(tǒng)實(shí)現(xiàn)
    5.4 實(shí)驗(yàn)結(jié)果
        5.4.1 實(shí)驗(yàn)設(shè)備和數(shù)據(jù)
        5.4.2 誤差評(píng)價(jià)
        5.4.3 初始化實(shí)驗(yàn)
        5.4.4 相較于基于邊緣匹配的原方法的改進(jìn)的實(shí)驗(yàn)
        5.4.5 在搭建的自動(dòng)駕駛系統(tǒng)上的實(shí)驗(yàn)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其他成果
致謝



本文編號(hào)：3327247