1 绪论
1.1 课题研究背景和意义
1.2 国内外研究现状分析
1.2.1 基于摄像头的道路场景目标识别方法
1.2.2 基于激光雷达的道路场景目标识别方法
1.2.3 基于多传感器融合的道路场景目标识别方法
1.3 本文主要研究内容
2 基于传感器的环境感知关键技术
2.1 传感器的选型及标定
2.1.1 相机的选型
2.1.2 激光雷达的选型
2.1.3 相机的标定
2.1.4 激光雷达的标定
2.2 图像预处理算法
2.2.1 图像灰度化处理
2.2.2 图像高斯平滑处理
2.2.3 图像边缘检测算法
2.2.4 图像透视变换
2.3 基于摄像头的道路场景车道线检测
2.3.1 道路场景ROI区域选取
2.3.2 基于阈值掩盖法的车道线检测
2.3.3 基于霍夫变换的车道线检测
2.3.4 滑动窗多项式拟合车道线
2.4 基于激光雷达的目标检测技术
2.5 本章小结
3 基于机器学习算法的道路场景目标检测方法研究
3.1 基于Haar+Adaboost分类器的车辆检测方法研究
3.1.1 Haar+Adaboost分类算法及实现
3.1.2 基于Haar+Adaboost分类算法的车辆检测方法研究
3.2 基于HOG+SVM分类器的行人检测方法研究
3.2.1 HOG+SVM分类算法及实现
3.2.2 基于HOG+SVM分类算法的行人检测方法研究
3.3 基于TensorFlow深度学习框架的多目标检测方法研究
3.3.1 TensorFlow深度学习框架及多目标检测软硬件平台搭建
3.3.2 道路场景下多目标检测方法研究
3.3.3 离线实验结果分析
3.4 本章小结
4 基于激光雷达和视觉信息融合的道路场景目标检测方法研究
4.1 基于激光雷达的道路场景动态目标检测方法研究
4.1.1 激光雷达数据解析与预处理
4.1.2 基于激光点云聚类的动态目标检测方法研究
4.2 多传感器信息融合与时空对准
4.2.1 多传感器信息的时间对准
4.2.2 多传感器信息的空间对准
4.2.3 相机和激光雷达的联合标定
4.3 基于摄像头和激光雷达信息融合的目标检测方法研究
4.3.1 软件平台
4.3.2 点云到图像的融合方法研究
4.3.3 点云和视觉信息融合的目标检测方法研究
4.4 本章小结
5 基于无人电动轮椅的动态目标检测实车实验
5.1 基于无人电动轮椅的实验平台搭建
5.1.1 无人电动轮椅硬件架构设计与搭建
5.1.2 无人电动轮椅传感器平台搭建
5.1.3 无人电动轮椅车软件平台搭建
5.2 基于无人电动轮椅的动态目标检测实车实验
5.2.1 基于摄像头的道路场景动态目标检测实验
5.2.2 基于激光雷达的道路场景动态目标检测实验
5.2.3 基于摄像头和激光雷达信息融合的动态目标检测实验
5.3 实验结果对比分析
5.4 本章小结
6 总结与展望
6.1 全文总结
6.2 工作展望
参考文献
附 录
A. 攻读硕士学位期间参加的课题研究
B. 学位论文数据集
致谢
重庆大学;