导读:本文包含了障碍物检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:障碍物,激光,目标,传感器,地物,特征,栅格。
障碍物检测论文文献综述
王达阳,段振云,杨明桥[1]（2019）在《基于差分图像阈值比较法的障碍物检测》一文中研究指出为了提高AGV检测障碍物的实时性,提出了一种基于连续差分图像阈值比较法的障碍物检测方法。首先对AGV行驶的路径划定安全区域,然后对连续的图像进行差分计算,并计算差分图像的阈值,通过比较阈值来判断是否存在障碍物。实验结果表明:该方式可以有效地判断AGV行驶的安全区域是否存在障碍物。(本文来源于《机械工程与自动化》期刊2019年06期）
杨大磊,任文峰,马庆龙[2]（2019）在《基于叁维激光雷达的障碍物检测与跟踪》一文中研究指出针对无人车对障碍物运动状态的检测问题,文章提出基于叁维激光雷达的动态障碍物检测方法。通过使用PCL库中的欧式聚类法对激光雷达数据进行处理,在此基础上使用匈牙利算法对障碍物进行匹配,并对匹配上的数据运用扩展卡尔曼滤波方法进行融合,实现对障碍物的实时检测。实验结果表明,文章提出的算法能够对密集障碍物和较小的障碍物实现实时准确的跟踪。(本文来源于《汽车实用技术》期刊2019年21期）
单志龙,黄恒,项婉[3]（2019）在《一种障碍物检测移动节点定位算法研究》一文中研究指出针对障碍物较多的定位环境,本文对障碍物影响下的无线电信号进行建模,通过过滤出信号被障碍物遮蔽但能加强待定位节点定位的盲节点,并把盲节点加入待定位节点当前的锚节点集,利用待定位节点前后时刻的锚节点差集,提高待定位节点的锚节点信号接受率,从而提高定位精度.实验仿真结果表明,该文提出的改进算法在障碍物较多的定位场景中能以较小的时间代价取得更好的定位精度.(本文来源于《小型微型计算机系统》期刊2019年11期）
汪世财,谈东奎,谢有浩,赵林峰[4]（2019）在《基于激光雷达点云密度特征的智能车障碍物检测与跟踪》一文中研究指出现有的基于点云数据的车载叁维激光雷达障碍物检测和跟踪存在实时性差、准确率不高以及场景内障碍物数目增多时难以有效关联等问题。针对这些不足,文章提出了结合区域生长与密度聚类的算法以及同时考虑了障碍物几何特征与点云密度特征的关联方法。基于栅格地图,运用最大、最小高度图法去除背景点云数据;在得到可靠障碍栅格地图后,搜索匹配8邻域栅格属性,结合自适应阈值的密度特征进行聚类,提高了障碍物检测准确率;考虑了障碍物的点云密度特征和高度特征,提高了障碍物关联的可靠性并运用卡尔曼滤波器对动态障碍物进行了跟踪。在自行搭建的智能车平台上进行的实车实验验证了该文算法的有效性。(本文来源于《合肥工业大学学报(自然科学版)》期刊2019年10期）
潘英杰,邹雪峰,吴迪,倪宇东,田磊[5]（2019）在《一种基于多尺度颜色聚类的障碍物检测技术》一文中研究指出针对沙漠探区地表影像中障碍物的提取,本文提出了一种基于多尺度颜色聚类分析的障碍物检测技术,利用W-Matrix小波进行多尺度分析,并在Lab颜色空间中利用K-Mean方法对地物的颜色特征进行聚类分析,然后利用典型地物在Lab颜色空间中二维高斯颜色分布模型进行类型判别,最后通过形态学分析、边界提取等后期处理来提取障碍物矢量信息以供勘探使用。该方法在新疆、中东沙漠地区中得到了应用并取得良好效果。(本文来源于《中国石油学会2019年物探技术研讨会论文集》期刊2019-09-09）
何秉高,孙向阳,史丽娟,赵希禄[6]（2019）在《基于激光雷达与机器视觉融合的轨道交通障碍物检测方法研究》一文中研究指出本文针对目前轨道交通障碍物检测技术难以检测反射率低、体积小、色彩与周围环境接近或在弱光条件下的目标这一实际情况,提出一种利用激光雷达、机器视觉两者融合的障碍物检测技术方案,并深入研究激光雷达及机器视觉的具体检测方法,以达到快速、高精度、检测材料不受限、不受环境光线强弱变化影响的检测目的,更好地提高城市轨道交通系统运营的安全系数。(本文来源于《轻工科技》期刊2019年09期）
王丽珍,刘慧玲,薛小兰[7]（2019）在《基于激光测距传感器的障碍物检测与模式识别》一文中研究指出当前障碍物检测与识别方法中存在检测率低和识别率低的问题,提出基于激光测距传感器的障碍物检测与模式识别方法,构造光学系统设计原理和电气系统结构,提高传感器的测量速度、最近距离和测距范围。在此基础上获取障碍物的相关信息,对采集到的信息进行解析获取障碍物的方位信息,通过坐标系转换得到障碍物的距离信息,根据障碍物边缘拟合获得障碍物的宽度信息,通过最小二乘算法拟合障碍物的边缘,根据拟合结果得到边缘曲线,通过宽度、距离和方位等特征信息对障碍物进行识别。实验结果表明,所提方法的检测率高、识别率高。(本文来源于《激光杂志》期刊2019年08期）
吴宏涛[8]（2019）在《多形态几何约束的道路障碍物检测新方法》一文中研究指出针对道路监控固定图像传感器采集的交通视频图像,开展动态场景下障碍物的检测研究。通过道路感兴趣区域的建立,提取停止车辆和遗撒物的共同特征,提出多态几何约束的障碍物检测算法,实现障碍物的检测;通过对仿真视频和实际道路采集的视频进行实验,结果证明该方法对障碍物检测的鲁棒性高,实际的检测效果较基于混合高斯模型的背景差分法的结果更好。(本文来源于《山西交通科技》期刊2019年04期）
张佳鹏[9]（2019）在《基于时空融合的激光雷达障碍物检测与运动目标跟踪》一文中研究指出激光雷达探测范围广、距离精度高,在自动驾驶环境感知任务中,被广泛用来做障碍物检测与目标跟踪。传统的激光雷达算法,只使用当前单帧雷达点云做感知。由于激光雷达点云存在数据稀疏问题,单帧感知方法对于远处障碍物的检测能力较差。而通过有效的时空融合方法,可以大幅提升激光雷达的感知性能。本文的时空融合算法,分别在数据层和目标层展开。在数据层,本文借助点云配准得到的位姿融合多帧点云,并利用变密后的点云做障碍物检测;在目标层,对环境中的动态物体做目标跟踪,并消除由动态物体导致的障碍物误检。本文主要完成了如下叁个工作:1.在数据层实现多帧点云实时融合配准。本文根据曲率从原始点云中提取特征点,以特征点之间的点线距离、点面距离构造代价函数,之后经过帧间配准和地图配准,由粗略到精细地估计前后帧位姿变化。与传统方法相比,本文方法计算过程中涉及的激光点数量少,兼顾配准效果和运算速度。2.利用配准后的致密点云检测障碍物。借助点云配准得到的位姿,可以将历史帧点云转换到当前帧坐标系下,得到多帧点云集合。之后将多帧点云集合向栅格地图做投影,根据点云高度分布特征判别每个栅格是否为障碍物。对比单帧点云检测,时空融合后的多帧点云检测距离更远。3.在目标层利用卡尔曼滤波实现运动目标跟踪。环境中的动态物体,容易导致多帧点云障碍物检测出现误检。首先,在栅格地图上对障碍物做聚类、轮廓提取得到候选目标。而后,借助点云配准得到的位姿,使用最近邻搜索将前后帧候选目标做匹配,筛选出运动目标。最后,使用卡尔曼滤波实现对动态目标的跟踪以及速度估计。与传统动态物体处理方法相比,本文方法不需要使用额外的运动测量传感器,系统成本低。(本文来源于《浙江大学》期刊2019-08-01）
娄新雨,王海,蔡英凤,郑正扬,陈龙[10]（2019）在《采用64线激光雷达的实时道路障碍物检测与分类算法的研究》一文中研究指出针对64线激光雷达数据量大,导致无人自主车的障碍物检测实时性差的问题,提出一种兼顾有效性和实时性的目标检测和分类算法。该算法首先通过多特征多层高度地图分离路面、障碍物和悬挂物;然后采用基于动态距离阈值的网格聚类算法对障碍物进行聚类,并结合相邻两个障碍物的运动状态信息对聚类结果进行修正,提高聚类的准确率;最后使用SVM对障碍物进行检测和分类。实验结果表明:该算法最优识别率达89.77%,耗时约为95 ms,在保证检测和分类准确率的基础上,满足无人自主车在道路行驶时检测障碍物的实时性要求,具有显着的工程实用价值。(本文来源于《汽车工程》期刊2019年07期）
障碍物检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对无人车对障碍物运动状态的检测问题,文章提出基于叁维激光雷达的动态障碍物检测方法。通过使用PCL库中的欧式聚类法对激光雷达数据进行处理,在此基础上使用匈牙利算法对障碍物进行匹配,并对匹配上的数据运用扩展卡尔曼滤波方法进行融合,实现对障碍物的实时检测。实验结果表明,文章提出的算法能够对密集障碍物和较小的障碍物实现实时准确的跟踪。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
障碍物检测论文参考文献
[1].王达阳,段振云,杨明桥.基于差分图像阈值比较法的障碍物检测[J].机械工程与自动化.2019
[2].杨大磊,任文峰,马庆龙.基于叁维激光雷达的障碍物检测与跟踪[J].汽车实用技术.2019
[3].单志龙,黄恒,项婉.一种障碍物检测移动节点定位算法研究[J].小型微型计算机系统.2019
[4].汪世财,谈东奎,谢有浩,赵林峰.基于激光雷达点云密度特征的智能车障碍物检测与跟踪[J].合肥工业大学学报(自然科学版).2019
[5].潘英杰,邹雪峰,吴迪,倪宇东,田磊.一种基于多尺度颜色聚类的障碍物检测技术[C].中国石油学会2019年物探技术研讨会论文集.2019
[6].何秉高,孙向阳,史丽娟,赵希禄.基于激光雷达与机器视觉融合的轨道交通障碍物检测方法研究[J].轻工科技.2019
[7].王丽珍,刘慧玲,薛小兰.基于激光测距传感器的障碍物检测与模式识别[J].激光杂志.2019
[8].吴宏涛.多形态几何约束的道路障碍物检测新方法[J].山西交通科技.2019
[9].张佳鹏.基于时空融合的激光雷达障碍物检测与运动目标跟踪[D].浙江大学.2019
[10].娄新雨,王海,蔡英凤,郑正扬,陈龙.采用64线激光雷达的实时道路障碍物检测与分类算法的研究[J].汽车工程.2019
论文知识图
