基于視覺激光數(shù)據(jù)融合的非結(jié)構(gòu)化道路檢測(cè).pdf

1、無人駕駛車要實(shí)現(xiàn)自主導(dǎo)航，需要從多傳感器數(shù)據(jù)中實(shí)時(shí)獲取可量化的道路區(qū)域信息。針對(duì)高速公路等結(jié)構(gòu)化道路環(huán)境已經(jīng)有很多實(shí)用的檢測(cè)方法。與之相比，由于非結(jié)構(gòu)化道路邊界模糊，路面形態(tài)多樣，更易受季節(jié)、天氣等因素影響，使得該種環(huán)境下的可靠道路檢測(cè)成為保障無人車長(zhǎng)期穩(wěn)定運(yùn)行的關(guān)鍵。
　　針對(duì)非結(jié)構(gòu)化道路檢測(cè)的問題，本文設(shè)計(jì)了一種由安裝視角高低不同的兩個(gè)單目攝像機(jī)構(gòu)成的視覺系統(tǒng)。其中高視角攝像機(jī)可以覆蓋前方較遠(yuǎn)區(qū)域，研究中可采用Gabor濾波算

2、法檢測(cè)并追蹤道路消失點(diǎn)，從而實(shí)現(xiàn)道路延伸方向的估計(jì)?？紤]車載激光的有效觀測(cè)范圍，將低視角攝像機(jī)的覆蓋區(qū)域設(shè)定為車前九米范圍內(nèi)的道路區(qū)域。為了平衡分割精度與計(jì)算復(fù)雜度，采用超像素分割算法將低視角攝像機(jī)采集的圖像劃分成200個(gè)超像素塊，然后利用支持向量機(jī)完成超像素塊分類，并通過形態(tài)學(xué)處理提升道路分類效果。由于行人、車輛等物體不具備穩(wěn)定的分類特征，基于單目視覺的分類算法無法保證無人車自主導(dǎo)航的可靠性。本文以視覺激光聯(lián)合標(biāo)定結(jié)果為基礎(chǔ)，提出了一

3、種可將視覺檢測(cè)結(jié)果呈現(xiàn)于三維激光數(shù)據(jù)的建模方法，不僅可通過激光測(cè)距數(shù)據(jù)的幾何特性對(duì)視覺檢測(cè)結(jié)果進(jìn)行校正，并可完成道路邊界在車體坐標(biāo)系下的三維描述，從而實(shí)現(xiàn)了道路檢測(cè)與導(dǎo)航的無縫集成。
　　利用自主構(gòu)建的道路環(huán)境數(shù)據(jù)庫(kù)進(jìn)行上述檢測(cè)算法有效性和實(shí)用性的驗(yàn)證。該數(shù)據(jù)庫(kù)由非結(jié)構(gòu)化道路環(huán)境中超過10000幀圖像及對(duì)應(yīng)的激光數(shù)據(jù)構(gòu)成，數(shù)據(jù)跨越了春、夏、秋三個(gè)季節(jié)，包括晴天、陰天及雨后三種天氣狀況，并涵蓋強(qiáng)光照、陰影等不同因素。實(shí)驗(yàn)中發(fā)現(xiàn)當(dāng)遇到