基于信息融合的道路和障礙物檢測方法研究.pdf

1、環(huán)境感知是智能移動機器人實現(xiàn)自主導航功能需要擁有的基本能力之一。機器人在行駛過程中,通過自身攜帶的傳感器獲取周圍環(huán)境信息并加以分析,以得到前方可通行區(qū)域。目前常用的環(huán)境感知傳感器包括可見光攝像機、激光測距雷達等。通過可見光攝像機獲取的圖像描述了機器人周圍環(huán)境的顏色、紋理、幾何形狀等信息;通過激光測距雷達獲取的數(shù)據(jù)描述了周圍環(huán)境與機器人之間的距離信息。對不同傳感器獲取的信息加以有效融合可以更加準確地描述環(huán)境,指導機器人對環(huán)境的理解和建模。

2、本文的主要工作是將圖像和激光雷達數(shù)據(jù)進行融合,實現(xiàn)對道路和障礙物的有效檢測。
　　 本文主要研究了基于圖像的道路區(qū)域檢測技術。本文采用機器學習的方法,用支持向量機(SVM)作為分類器對道路圖像分類,從而提取圖像中的道路區(qū)域。根據(jù)道路和非道路區(qū)域的顏色、紋理、邊緣等多個特征信息選擇訓練樣本,在檢測中根據(jù)分類效果實時更新樣本和對SVM重新訓練,以提高算法對環(huán)境的適應能力。
　　 在初始化過程中,上述算法需要人為地選擇SVM訓

3、練樣本,本文提出將激光雷達數(shù)據(jù)與圖像融合來改進算法:首先從激光雷達數(shù)據(jù)中提取路面直線,并映射到圖像上。然后根據(jù)映射的結果獲取圖像中道路和非道路區(qū)域訓練樣本,從而實現(xiàn)機器人自主學習和分類。同時用模糊支持向量機FSVM代替SVM,增加檢測中樣本的可信度以及減少噪聲對分類的干擾,從而進一步改善分類的效果。本文通過實驗對兩種方法進行對比,證明了圖像和激光雷達聯(lián)合檢測道路的方法可靠性更強,效果更好。
　　 機器人在行駛過程中可能會遇到障礙