车载激光雷达与摄像头数据融合的智能车辆环境感知技术.pdf
《车载激光雷达与摄像头数据融合的智能车辆环境感知技术.pdf》由会员分享,可在线阅读,更多相关《车载激光雷达与摄像头数据融合的智能车辆环境感知技术.pdf(3页珍藏版)》请在咨信网上搜索。
1、学术|行业分析ACADEMIC019AUTO DRIVING&SERVICE2023.10车载激光雷达与摄像头数据融合的智能车辆环境感知技术(东风柳州汽车有限公司,柳州 545005)(中汽检测技术有限公司,广州 510535)摘要:近年来人工智能技术快速发展,其中以深度学习为代表的技术极大提升了图像识别精确度,降低了目标识别成本,同时带动了智能车辆普及。使用传统单一的激光雷达、车载摄像头等传感器采集车辆周围环境数据时会出现因传感器自身劣势特性,导致车辆在复杂天气、道路等环境中容易出现数据采集不全、不准,从而影响车辆最终的决策判断和出现车辆行驶安全隐患。本文研究了使用单一激光雷达、车载摄像头传
2、感器的识别系统工作原理与存在的识别问题,提出激光雷达与摄像头数据融合的智能车辆环境感知模式,提升智能车辆环境识别的精确度。关键词:车辆环境感知;传感器融合技术;人工智能;数据层;特征层;决策层中图分类号:TP274 文献标识码:A吴学舟、李岳松0 引言2020 年 11 月,国务院办公厅印发新能源汽车产业发展规划(20212035 年),提出了智能汽车的发展方针,对提升汽车智能化水平,推动汽车与交通、信息通信等融合发展作了相关部署1。因此,智能化汽车、智能交通是汽车行业未来发展的重要方向。智能汽车就是通过搭载各类传感器等装置,运用人工智能、通信网络等技术,从而使汽车具有环境感知、决策判断和车辆
3、控制三项主要技术功能2。车辆环境感知技术可以准确收集道路车辆、行人和交通标志等车辆周围信息,充当着智能汽车的眼睛,能用数字化的方式观察汽车周围道路情况。目前主流的汽车环境感知方式采用各类传感器提取道路信息,如车载摄像头、激光雷达和毫米波雷达等。智能汽车还要对各类传感器采集到的数据进行多次加工处理,如完成图像处理、目标识别、距离判断和路径规划等,让智能汽车自动、实时地计算车辆路径,降低驾驶员疲劳度,减少车辆安全隐患。车辆控制技术主要是按照决策判断的指令操作车辆起停、转向等,最终实现车辆自动驾驶、环境避障功能。车辆环境感知技术作为智能汽车重要的组成部分,通过采集实时且精准的道路环境信息,为车辆决策
4、判断提供支撑。车辆周围环境信息采集后,需要对传感器原始数据去噪、校正和融合,最后运用基于 GPU 架构的深度学习技术3,完成对周围目标的检测。本文通过对单一的车载传感器识别方式进行研究,提出了基于激光雷达与摄像头数据融合的技术模式,最后对基于车载激光雷达与摄像头融合技术进行总结。1 基于激光雷达三维环境感知技术车载激光雷达是扫描车辆周围环境主要传感器设备之一,主要由发射器、接收器和信息处理器组成。激光雷达工作时,通过激光器发射出脉冲激光,接收器接收车辆周围的地面、树木和行人等散射信号,最后信息处理器处理接收到的数据,最终得到周围环境三维立体图像(图 1)。但是激光雷达受环境影响较大,如大雨、习
5、的目标检测。1.1 基于传统激光雷达目标检测传统激光雷达系统的目标检测是由数据预处理、提取特征和目标分类三个部分组成。首先,激光雷达传感器采集环境点云数据,但在采集中会存在如浮尘等噪声,因此需要通过数据预处理技术降低噪声干扰,减少干扰数据。其次,使用提取特征技术对点云特征进行提取。最后将具有相同特征点云聚类一起,完成目标检测。1.2 基于深度学习的激光雷达目标检测近年来,深度学习技术在目标检测领域中大受青睐,尤其以卷积神经网络为代表的技术,在交通检测4、医院检测等领域具有重要应用价值。基于深度学习的激光雷达目标检测主要包括二维投影点云检测、点云体素化检测和点的目标检测。二维投影点图 1 激光雷
6、达工作原理浓烟等环境都会影响获取数据。基于激光雷达环境感知技术是通过激光雷达传感器获取车辆周围物体点云三维形状,从而进行目标检测。激光雷达主要目标检测算法包括基于传统的目标检测和基于深度学学术|行业分析ACADEMIC020AUTO DRIVING&SERVICE2023.10云检测主要把激光雷达采集到的三维数据信息投影为二维平面,然后再使用卷积神经网络完成环境检测。该方法需要把三维数据转化为二维数据,因此缺少环境深度等数据。点云体素化是通过将点云网格进行素华,然后使用 3D 卷积神经网络进行目标检测。点的目标检测是直接对点云进行 3D 卷积神经网络目标检测,提取出目标特征信息。基于激光雷达的
7、环境感知技术能扫描车辆周围环境信息并转化为三维空间点云数据,但激光雷达无法获取环境纹理等特征信息,对交通信号灯也无法有效检测。因此,该技术目前还无法单独应用于车辆环境感知中。2 基于摄像头二维图像环境感知技术车载摄像头由若干个凸透镜组合而成,采用小孔成像原理把环境物体经透镜投影到相机的感光平面上,得到车辆环境 RGB 二维图片。常见车载摄像头包括针孔模型、透视模型和鱼眼模型等。2.1 基于摄像头的传统机器视觉的目标检测传统的目标检测由获取目标、特征提取和目标分类三部分组成。获取目标主要使用滑动窗口法和纹理特征法选取目标区域。特征提取是通过对获取到的目标进行分割、灰度变化等操作,提取图像特征信息
8、,最终完成目标检测。传统机器视觉目标检测方法要求特征提取员具有较高的专业领域知识,同时特征提取要进行大量的手工操作,否则缺乏泛化能力。2.2 基于深度学习的摄像头目标检测卷积神经网络模型是深度学习技术重要的应用,能自动提取特征信息,提高目标检测精度。Krizhevsky 等人提出的 AlexNet网络模型完全超越传统机器视觉的目标检测5,促使智能汽车从传统的环境识别转变为基于深度学习技术的识别方式。基于深度学习的摄像头目标检测主要分为单阶段检测和两阶段检测。单阶段检测取消生成目标候选区过程,直接对图像进行处理,从而提升检测速度。两阶段检测是先获取目标候选区域,再对候选区域进行分类的图像处理。基
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 车载 激光雷达 摄像头 数据 融合 智能 车辆 环境 感知 技术
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。