采用64线激光雷达的实时道路障碍物检测与分类算法的研究

论文摘要

针对64线激光雷达数据量大,导致无人自主车的障碍物检测实时性差的问题,提出一种兼顾有效性和实时性的目标检测和分类算法。该算法首先通过多特征多层高度地图分离路面、障碍物和悬挂物;然后采用基于动态距离阈值的网格聚类算法对障碍物进行聚类,并结合相邻两个障碍物的运动状态信息对聚类结果进行修正,提高聚类的准确率;最后使用SVM对障碍物进行检测和分类。实验结果表明:该算法最优识别率达89.77%,耗时约为95 ms,在保证检测和分类准确率的基础上,满足无人自主车在道路行驶时检测障碍物的实时性要求,具有显著的工程实用价值。

论文目录

• 前言
• 1 构建障碍物栅格地图
•   1.1 栅格点云分割
•   1.2 地面层检测
•   1.3 障碍物层和悬挂层检测
• 2 障碍物栅格聚类
•   2.1 改进的网格空间方式聚类
•   2.2 聚类修正
• 3 目标分类
•   3.1 目标特征
•   3.2 SVM分类器
• 4 实验结果分析
•   4.1 栅格地图创建实验与分析
•   4.2 聚类实验与分析
•   4.3 分类实验与分析
• 5 结论

文章来源

类型: 期刊论文

作者: 娄新雨,王海,蔡英凤,郑正扬,陈龙

关键词: 线激光雷达,目标检测,目标分类,实时性

来源: 汽车工程 2019年07期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 汽车工业,电信技术

单位: 江苏大学汽车与交通工程学院,香港大学机器人与自动化实验室,江苏大学汽车工程研究院

基金: 国家重点研发计划(2018YFB0105003),国家自然科学基金(61601203,U1664258,U1764257,U1762264,61773184),江苏省优秀青年基金(BK20180100),江苏省重点研发计划(BE2016149),江苏省战略性新兴产业发展重大专项(苏发改高技发(2016)1094号,(2015)1084号),镇江市重点研发计划(GY2017006),江苏高校境外研修计划资助

分类号: U463.6;TN958.98

DOI: 10.19562/j.chinasae.qcgc.2019.07.008

页码: 779-784

总页数: 6

文件大小: 1265K

下载量: 445