学位论文 > 优秀研究生学位论文题录展示
基于信息融合的道路和障碍物检测方法研究
作 者: 唐祥燕
导 师: 赵春霞
学 校: 南京理工大学
专 业: 模式识别与智能系统
关键词: 道路检测 障碍物检测 图像处理 激光测距雷达 图像分割 数据融合 支持向量机 模糊支持向量机
分类号: TP242
类 型: 硕士论文
年 份: 2012年
下 载: 138次
引 用: 2次
阅 读: 论文下载
内容摘要
|
环境感知是智能移动机器人实现自主导航功能需要拥有的基本能力之一。机器人在行驶过程中,通过自身携带的传感器获取周围环境信息并加以分析,以得到前方可通行区域。目前常用的环境感知传感器包括可见光摄像机、激光测距雷达等。通过可见光摄像机获取的图像描述了机器人周围环境的颜色、纹理、几何形状等信息;通过激光测距雷达获取的数据描述了周围环境与机器人之间的距离信息。对不同传感器获取的信息加以有效融合可以更加准确地描述环境,指导机器人对环境的理解和建模。本文的主要工作是将图像和激光雷达数据进行融合,实现对道路和障碍物的有效检测。本文主要研究了基于图像的道路区域检测技术。本文采用机器学习的方法,用支持向量机(SVM)作为分类器对道路图像分类,从而提取图像中的道路区域。根据道路和非道路区域的颜色、纹理、边缘等多个特征信息选择训练样本,在检测中根据分类效果实时更新样本和对SVM重新训练,以提高算法对环境的适应能力。在初始化过程中,上述算法需要人为地选择SVM训练样本,本文提出将激光雷达数据与图像融合来改进算法:首先从激光雷达数据中提取路面直线,并映射到图像上。然后根据映射的结果获取图像中道路和非道路区域训练样本,从而实现机器人自主学习和分类。同时用模糊支持向量机FSVM代替SVM,增加检测中样本的可信度以及减少噪声对分类的干扰,从而进一步改善分类的效果。本文通过实验对两种方法进行对比,证明了图像和激光雷达联合检测道路的方法可靠性更强,效果更好。机器人在行驶过程中可能会遇到障碍物,及时、准确地检测前方道路上的障碍物是移动机器人道路检测的另一个重要问题。本文分别分析了利用图像检测和激光雷达检测障碍物的方法,发现单独使用图像检测或者激光雷达检测方法经常会出现对障碍物漏检的情况;因此,本文提出了将图像检测结果和激光雷达检测结果进行相互验证的方法,该方法有效地降低了障碍物漏检率。
|
全文目录
摘要 3-4 Abstract 4-6 目录 6-8 1 绪论 8-15 1.1 研究背景和意义 8-9 1.2 国内外研究现状 9-13 1.2.1 移动机器人的发展和现状 9-10 1.2.2 多传感器信息融合技术研究进展 10-12 1.2.3 道路和障碍物检测技术研究进展 12-13 1.3 论文主要内容及章节安排 13-15 1.3.1 论文主要内容 13-14 1.3.2 论文结构安排 14-15 2 移动机器人系统平台介绍 15-22 2.1 移动机器人系统介绍 15-17 2.2 环境感知系统和传感器 17-21 2.2.1 摄像机采集和处理信息 17-19 2.2.2 激光雷达采集和处理信息 19-20 2.2.3 多传感器联合标定 20-21 2.3 本章小结 21-22 3 基于图像的道路检测 22-39 3.1 道路检测算法研究 22-28 3.1.1 道路特征分析 22-27 3.1.2 支持向量机分类原理 27-28 3.2 基于多特征信息融合的道路区域检测算法 28-34 3.3 实验结果与分析 34-38 3.4 本章小结 38-39 4 基于图像和激光雷达信息融合的道路障碍物检测 39-62 4.1 基于激光雷达的道路检测 39-43 4.1.1 激光雷达数据处理 39-40 4.1.2 基于激光雷达的道路检测 40-43 4.2 基于图像和激光雷达的道路区域检测算法 43-52 4.2.1 模糊支持向量机 43-45 4.2.2 用FSVM分割道路 45-49 4.2.3 实验结果与分析 49-52 4.3 基于图像和激光雷达的障碍物检测 52-61 4.3.1 基于图像的障碍物检测 52-56 4.3.2 基于激光雷达的障碍物检测 56-58 4.3.3 图像和激光雷达信息融合 58-59 4.3.4 实验结果及分析 59-61 4.4 本章小结 61-62 5 总结与展望 62-63 5.1 工作总结 62 5.2 研究展望 62-63 致谢 63-64 参考文献 64-68
|
相似论文
- 基于FSVM的数据挖掘方法及其在入侵检测中的应用研究,TP393.08
- 基于模糊支持向量机的垃圾邮件过滤技术研究,TP393.098
- 定量构效关系和分子对接在药物分析化学中的应用,R917
- 基于RS和SVM的风电总装企业物料分类研究与应用,TP18
- 基于振动测试技术的跨座式单轨交通系统铸钢支座健康监测方法研究,U232
- 基于多核混合支持向量机的城市短时交通预测,U491.14
- 道路交通标志的检测与识别技术研究,U495
- 基于图像处理技术的锡膏印刷质量检测,TP391.41
- 基于双目立体视觉的番茄识别与定位技术研究,TP391.41
- 基于综合客户价值评价的外贸企业渠道商客户分类研究,F752;F224
- 基于SVM-RFE的潜在生物标志物选择算法研究,TP311.13
- 乡村道路环境下的障碍物检测,TP391.41
- 基于支持向量机的纺织品服装安全风险评价模型研究,TS941.1
- 基于粗糙集和SVM的国防生综合素质测评方法研究,E075
- 基于支持向量机的规则零件机器视觉检测技术研究,TP274
- 基于样本学习的有限元网格模型优化研究,TB114
- 非平衡数据集分类方法研究及其在电信行业中的应用,TP311.13
- 基于自学习的社会关系抽取的研究,TP391.1
- 引导基金下创业投资管理团队的选择与评价研究,F224
- P2P流量识别系统的设计与研究,TP393.02
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 机器人技术 > 机器人
© 2012 www.xueweilunwen.com
|