基于多传感器融合的智能车道路障碍物检测

目录

声明

第一章 绪论

1.1 研究背景与意义

1.2 智能驾驶车辆研究现状

1.3 智能驾驶环境感知研究现状

1.3.1 基于激光雷达的道路障碍物检测研究现状

1.3.2 基于图像的道路障碍物检测研究现状

1.3.3 基于多传感器融合的道路障碍物检测研究现状

1.4 论文研究内容

第二章 传感器标定

2.1 传感器介绍

2.1.1 驾驶平台介绍

2.1.2 摄像头介绍

2.1.3 激光雷达介绍

2.2 空间同步

2.2.1 坐标系的选取

2.2.2 摄像头内参标定

2.2.3 激光雷达与摄像头联合标定

2.3 时间同步

2.4 标定试验

2.5 本章小结

第三章 基于激光雷达的感兴趣区域（ROI）提取

3.1 点云处理算法

3.1.1 点云滤波

3.1.2 地面点剔除

3.1.3 点云聚类

3.2 感兴趣区域提取

3.2.1 栅格地图投影到图像

3.2.2 ROI放大与合并

3.3 本章小结

第四章 基于激光雷达ROI与视觉的障碍物检测

4.1 神经网络简介

4.2 YOLO介绍

4.3 模型优化

4.3.1 GIoU

4.3.2 Soft-NMS

4.3.3 模型剪枝

4.4 试验结果

4.4.1 数据集构建

4.4.2 基础网络训练

4.4.3 稀疏训练

4.4.4 剪枝

4.4.5 检测结果对比

4.5 本章小结

第五章 点云分类与检测结果软加权

5.1点云分类简介

5.2 基于IOU的图像点云目标匹配

5.3 点云分类神经网络设计

5.4 软加权平均

5.5 试验结果

5.5.1 数据集构建

5.5.2 基础网络训练

5.5.3 软加权平均结果

5.5.4 实车试验

5.6 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

攻读硕士学位期间发表的论文及参加科研情况