基于三维激光雷达的无人船目标检测

摘要

无人船是一种多种功能于一体的水面人工智能平台。无人船平台对环境感知的需求是多方面的，在低速行进执行任务过程中，重要的一点就是目标检测，并能在目标检测基础上，对目标进一步进行识别和分类，以便进行避碰操作或任务变更。在目前的传感器中，三维激光雷达由于其测距精度高、探测范围较大等优点作为本目标检测系统的主要传感器。因此本文研究的重点是基于安装在无人船平台的三维激光雷达的实时目标检测，并进一步扩展进行目标的识别。
　　本文将主要实现周围环境信息中目标的检测，为了将目标检测结果更近一步分析，将根据根据目标检测的结果进行识别。目标检测方面首先介绍了采用的Velodyne VLP-16三维激光雷达传感器，并对坐标校准的内参模型与外参模型进行了分析，对激光雷达的数据进行预处理。然后采用基于栅格地图的点云处理及目标检测识别方法，将原始三维激光雷达点云进行栅格化，并进一步进行了属性判断。为了减小干扰噪声，分别进行栅格地图中的悬空点、单点滤除。由于栅格地图检测易产生欠分割，采用基于点云梯度分割方法进行栅格地图法的补充，对激光束回波点进行梯度分割，为栅格地图聚类提供有效依据，在聚类后进行了目标的轮廓特征提取。
　　对于目标识别及分类，本文将无人船环境中的目标分为三大类:船只、水面小目标、其他非水面目标。分类的主要思想是先进行水面目标及非水面目标区分，然后在水面目标中根据几何特征来区分船只。针对船只的几何形状复杂难以识别等问题，提出了三种有针对性的特征描述:回波强度特征、高度分布特征和姿态性质。最后根据目标的栅格地图特征，实现了基于支持向量机分类器的实时目标检测。并在车载平台进行了模拟实验，验证了本文目标检测特征的有效性，并且整体系统能有较好的目标检测精度和实时性能。

目录

声明

摘要

第1章绪论

1．1研究背景及意义

1．2无人船研究发展的背景与现状

1．2．1国内无人船研究现状

1．2．2国外无人船研究现状

1．3三维激光雷达现状

1．4基于激光雷达的目标检测

1．5基于三维激光雷达的无人船平台的环境感知

1．6文章结构

第2章三维激光雷达

2．1 Velodyne VLP-16激光雷达

2．2三维激光雷达水平、垂直分辨率分析

2．3三维激光雷达点云数据预处理

2．3．1内参模型

2．3．2外参模型

2．3．3横纵摇补偿

2．4本章小结

第3章三维激光雷达的目标检测

3．1栅格地图

3．1．1栅格地图的建立

3．1．2三维点云数据投影

3．1．3栅格属性判定

3．1．4栅格滤波

3．1．5基于栅格地图已有数据的目标检测

3．2基于点云梯度的目标障碍物检测

3．2．1基于扫描线梯度方法的分割

3．2．2滤除激光束扫描梯度的误检

3．3目标障碍物聚类

3．4提取目标轮廓与特征

3．4．1提取目标轮廓

3．4．2目标轮廓描述

3．5本章小结

第4章基于三维激光雷达的目标识别及分类

4．1目标分类系统架构

4．2目标特征描述

4．2．1三维协方差矩阵的特征值、特征向量与归一化后的特征值

4．2．2回波强度反射率特征与统计值

4．2．3高度特征与姿态性质

4．3小型目标特征

4．4 SVM分类器

4．4．1特征归一化

4．4．2核函数选择

4．4．3最优参数选择

4．5 SVM训练过程

4．6本章小结

第5章实验与仿真

5．1实验准备

5．2停泊状态下的目标检测

5．3低速匀速行进状态下的目标检测

5．4本章小结

结论

参考文献

攻读硕士期间发表论文和取得科研成果

致谢