基于3D视觉的车辆拥挤道路几何信息估计研究

来源 :山东理工大学 | 被引量 : 0次 | 上传用户:xeno
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
智能车是未来车辆发展的重要方向,其技术涉及面广,包含车辆、控制、通信、计算机等多个领域的关键技术。在城市道路环境中,通常应用视觉检测、精确定位等方法就能够很好地满足自动驾驶车辆的环境感知需求,但在车辆拥挤的城区路况中车道线被拥挤的车流所遮挡,而车辆定位也会因城区道路的多路径效应严重影响其定位精度。在城区结构化道路车辆拥挤的情况下,常规的方法无法满足自动驾驶汽车安全行驶需求,本文基于视觉检测技术,通过对前方其他车辆的位姿来估计自动驾驶车辆所在车道的几何信息,并对预估结果进行分析,为自动驾驶系统后续的行驶路径规划提供可靠信息。主要研究工作如下:1.前方车辆检测通过Faster R-CNN算法和YOLOv3算法对前方车辆进行检测,使用KITTI数据集训练这两种目标检测模型。安装并标定相机,在校园园区内采集图像,对这两种算法进行验证,并进行分析和比较,选择检测精度和处理速度都符合后续3D位姿估计要求的算法,为位姿估计提供2D边界框约束,同时也为全文提供实验基础。2.基于3D视觉的车辆位姿估计基于计算机视觉技术,检测前方车辆的位姿信息。选取尺寸、中心点、航向角作为周围车辆的描述参数并作为评价指标,首先通过KITTI左眼3D数据集回归前方车辆的3D属性;然后利用前面检测到的前方车辆2D边界框对3D边界框的约束,来对周围车辆进行3D边界框的估计,生成3D位姿检测模型,以获取前方车辆的位姿参数;最后通过Prescan搭建拥挤道路场景,使用上述检测方法检测车辆位姿信息。3.基于前方车辆位姿信息的道路几何信息估计模型将检测到的前方车辆位姿信息作为输入,估计出自动驾驶汽车的前方道路几何信息。通过逆透视变换将图像正视图变为俯视图,从而消除透视变换对距离计算带来的影响。使用DBSCAN聚类算法将检测到的周围车辆的位置信息进行聚类,然后分析选择了多项式拟合的方法对车辆的位置进行拟合,得到当前道路上的车辆轨迹拟合曲线,从而得到前方道路的几何信息。4.基于无损卡尔曼滤波的道路曲率估计模型当前方视野被前车遮挡时,则只计算本车前方第一辆车的3D位姿信息。使用Prescan软件进行仿真环境搭建,仿照真实的拥挤场景,在本车前方放置干扰车辆,设置道路的曲率信息。通过对本车、前车以及道路之间的关系建模,获得系统的运动模型和观测模型。采集本车的自车信息,如本车速度、偏航角速度等,结合本车与前车之间的相对信息,如相对速度、相对角速度等,然后使用卡尔曼滤波框架对采集到的信息进行滤波处理,从而计算出当前车道的曲率参数。本文通过实车实验验证了3D位姿检测算法的的有效性。拥挤道路使用仿真环境进行模拟,在前方视野不受遮挡或部分遮挡的情况下,道路几何信息估计采用多项式拟合的方法得到当前道路的拟合曲线,R-square能够保持在在[0.9,1]区间内,拟合结果与真实道路曲线相关性极强;在自动驾驶车辆的前方视野受到前车遮挡的情况下,基于无损卡尔曼滤波的道路曲率估计模型检测到的道路曲率也与真实道路曲率相符。实验的结果表明了此方法的有效性。本课题研究能够为车辆拥挤道路上自动驾驶车辆提供正确的行驶方向,有利于未来自动驾驶路径规划等相关工作的进行,也为今后同类课题研究提供参考。
其他文献
串联质谱技术是蛋白质组学研究的重要技术,常用的串联质谱测序方法包括:蛋白质序列库搜索、从头测序、谱库搜索等。其中从头测序方法可以直接通过串联质谱推断出肽序列,该方法具有不依赖于蛋白质数据库的优势,并在测定未知物种蛋白序列、单克隆抗体测序等领域中起着关键作用。然而由于从头测序问题的复杂性,导致其测序的准确率远低于数据库方法,制约了从头测序的广泛应用,针对这一问题,提出了一种基于图卷积神经网络(Gra
近年来,环境振动能的开发与利用吸引了工业界和学术界研究人员的广泛关注。环境中振动能量的形式主要有风能、潮汐能以及机械振动能(交通工具、基建设备、家用电器等)。风能具有分布广泛、绿色清洁、可再生等优点,是一种理想的能源形式。许多学者正在进行振动能量俘获和转化研究:通过一些小型设备,利用能量转化机制,将环境振动能捕获并转化为电能。这种技术可以实现电子耗能型设备持续稳定地自主供能,从而解决传统能量源(电
氢能具有高的能量密度,且能量转换后产物只有水,被认为是二十一世纪最具潜力的清洁能源。目前氢气主要是通过水蒸汽转化法制取,能耗大,且产生二氧化碳等温室气体。电解水已被证明是清洁、可持续的制氢方法,但该法所使用的贵金属铂催化剂存在成本高、运行稳定性差和易中毒等致命缺陷,迫切需要开发具有高活性、高稳定性的低成本新型电解水催化剂。为了提高铂原子的利用率,在纳米尺度上调控催化剂的组成和结构,引入非贵金属构建
众所周知,有限元法是占有主导地位的数值模拟技术,它在科学计算与工程分析领域中得到了非常广泛的应用。然而,有限元法需将其计算域离散成某种规则化网格,即区域单元,这些单元之间一般需要满足一定的关联性。对于三维问题,数据处理所耗费的时间远远大于计算时间,特别是对于某些具有复杂几何计算区域的问题,可能付出相当大的计算代价,甚至有时带来数学理论上的麻烦。再者,作为一个域离散技术,对于那些仅仅测量边界数据的反
随着电力电子技术的大规模应用、分布式发电和众多精密负荷的广泛接入,电网电能质量面临越来越多的新挑战。复杂多变的电能质量扰动不断威胁着电力用户的用电安全,电网中的电能质量问题已经成为科研人员的研究重点。在电能质量问题的研究中,电能质量扰动信号的正确识别有助于对扰动进行重现和溯源,进而实现扰动的分析和治理,对确保电力系统的安全稳定运行和改善系统的供电质量具有十分重要的意义。本文从深度学习的角度出发,开
城市交通发展到信息化、智能化、智慧化的新时代,将大数据挖掘、机器学习等技术与智慧交通相结合,能够显著改善城市发展中的交通拥堵问题。随着电警、卡口等视频监控设备的增加,交通基础数据库得到了极大的丰富,为日趋智能的精细化交通管理提供了驱动力。但是,传统的交通数据处理方法无法适应快速增长的数据量,交通卡口数据背后蕴藏的交通信息亟需统一的流程处理框架和应用手段去分析和实践。针对卡口数据的应用问题,本文结合
在所有工业发展过程中,发展与环保永远是辩证统一的。纵观汽车发展史,传统汽车所需燃料以及尾气的排放无疑体现了传统汽车与环境保护之间的相互排斥,而节能、无污染的电动汽车的出现,使得汽车工业与环境保护之间能够以相互促进的方式发展。新型的双电机四驱电动汽车以其简单的构架综合了集中控制电动汽车与分布式电动汽车的优点,成为国内外学者与企业研究的热点。本文以双电机电动汽车为研究对象,重点研究在行驶过程中车辆发生
固体氧化物燃料电池(SOFCs)是一种将化学能直接转换为电能的电化学装置,具有高的能量转换速率和低的环境影响性等优势。目前,为了降低电池材料的成本以及延长设备工作寿命,中低温化是其主要发展趋势。阴极材料是决定整体电池性能的重要部分之一。但是,降低工作温度的同时,阴极极化损耗随之增加,氧还原反应(ORR)催化活性降低,相对较慢的阴极动力学限制了电化学性能的提高。La0.8Sr0.2Fe O3-δ(L
作为我国汽车产品行业快速增长的创新动力和世界汽车工程学科研究的发展热点,智能车辆的研发融合了多种学科,现已成为包括环境感知、决策规划、执行控制以及多等级辅助驾驶等功能于一体的全新型综合性驾驶系统。其中,智能车辆的运动控制是实现车辆自主行驶的关键环节,为了使车辆按照预期规划的轨迹安全行驶,智能车辆需结合当前车辆周围环境和车体自身的姿态、车速等信息按照一定的逻辑做出决策,并分别向油门踏板、制动踏板及转
齿轮箱可以调节转速,在重载、高速、化学腐蚀等条件下长时间工作,齿轮会发生磨粒磨损、疲劳磨损、齿轮折断最终导致齿轮箱报废。若在齿轮失效之前及时更换发生故障的齿轮,可以在保证安全的情况下最大限度利用资源,为了探究齿轮缺陷出现以后,不同载荷条件下齿轮磨损状态,以及缺陷点附近磨损迁移变化情况,本文利用油液分析技术辅助以振动波形分析,对不同负载下的缺陷齿轮磨损衰退过程的演变进行研究。本文通过SOLIDWOR