Print

基于数据融合的目标测距方法研究

论文摘要

单目视觉进行目标识别有着巨大优势,但在目标测距方面存在精度不足且测量过程不稳定的问题,一种基于4线激光雷达与摄像头融合的联合测距的方法被提出并改善这一问题。首先利用卷积神经网络检测图像中的目标,得到相应的检测框;与此同时,通过标定相机内外参,将三维的激光点云数据转换到二维平面,得到2种数据对于检测环境的一致性表达。然后利用R-Tree算法快速配准检测框与相应的点云数据。此时,利用点云的深度信息能获得目标在真实世界的位置,并提出联合测距的方法来进一步提高测距精度。最终经实车采集的数据验证了所提算法的有效性。

论文目录

  • 1 数据集的建立
  • 2 融合算法介绍
  • 3 数据前处理
  •   3.1 数据匹配
  •   3.2 Mask R-CNN
  • 4 数据融合测距
  •   4.1 R-Tree算法
  •     4.1.1 算法介绍
  •     4.1.2 匹配效率测试
  •   4.2 基于点云的目标位置测量
  • 5 基于联合测距的优化
  •   5.1 基于点云的测距弊端分析
  •   5.2 单目视觉测距方法
  •   5.3 联合测距方法
  •     5 3.1方法介绍
  •     5.3.2 测试验证与分析
  • 6 结束语

    • 文章来源

    类型: 期刊论文

    作者: 胡远志,刘俊生,肖佐仁,耿庄程

    关键词: 卷积神经网络,数据融合,算法,联合测距

    来源: 重庆理工大学学报(自然科学) 2019年12期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 汽车工业,计算机软件及计算机应用,自动化技术

    单位: 重庆理工大学汽车噪声振动和安全技术国家重点实验室,重庆理工大学汽车零部件先进制造技术教育部重点实验室

    基金: 汽车噪声振动和安全技术国家重点实验室2019年度开放基金资助项目(NVHSKL-201908)

    分类号: TP391.41;U463.6;TP183

    页码: 18-25

    总页数: 8

    文件大小: 553K

    下载量: 158

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/d22f157d35a5b22c9c1152e8.html