基于信息融合的道路和障礙物檢測(cè)方法研究.pdf

1、環(huán)境感知是智能移動(dòng)機(jī)器人實(shí)現(xiàn)自主導(dǎo)航功能需要擁有的基本能力之一。機(jī)器人在行駛過程中,通過自身攜帶的傳感器獲取周圍環(huán)境信息并加以分析,以得到前方可通行區(qū)域。目前常用的環(huán)境感知傳感器包括可見光攝像機(jī)、激光測(cè)距雷達(dá)等。通過可見光攝像機(jī)獲取的圖像描述了機(jī)器人周圍環(huán)境的顏色、紋理、幾何形狀等信息;通過激光測(cè)距雷達(dá)獲取的數(shù)據(jù)描述了周圍環(huán)境與機(jī)器人之間的距離信息。對(duì)不同傳感器獲取的信息加以有效融合可以更加準(zhǔn)確地描述環(huán)境,指導(dǎo)機(jī)器人對(duì)環(huán)境的理解和建模。

2、本文的主要工作是將圖像和激光雷達(dá)數(shù)據(jù)進(jìn)行融合,實(shí)現(xiàn)對(duì)道路和障礙物的有效檢測(cè)。
　　 本文主要研究了基于圖像的道路區(qū)域檢測(cè)技術(shù)。本文采用機(jī)器學(xué)習(xí)的方法,用支持向量機(jī)(SVM)作為分類器對(duì)道路圖像分類,從而提取圖像中的道路區(qū)域。根據(jù)道路和非道路區(qū)域的顏色、紋理、邊緣等多個(gè)特征信息選擇訓(xùn)練樣本,在檢測(cè)中根據(jù)分類效果實(shí)時(shí)更新樣本和對(duì)SVM重新訓(xùn)練,以提高算法對(duì)環(huán)境的適應(yīng)能力。
　　 在初始化過程中,上述算法需要人為地選擇SVM訓(xùn)

3、練樣本,本文提出將激光雷達(dá)數(shù)據(jù)與圖像融合來改進(jìn)算法:首先從激光雷達(dá)數(shù)據(jù)中提取路面直線,并映射到圖像上。然后根據(jù)映射的結(jié)果獲取圖像中道路和非道路區(qū)域訓(xùn)練樣本,從而實(shí)現(xiàn)機(jī)器人自主學(xué)習(xí)和分類。同時(shí)用模糊支持向量機(jī)FSVM代替SVM,增加檢測(cè)中樣本的可信度以及減少噪聲對(duì)分類的干擾,從而進(jìn)一步改善分類的效果。本文通過實(shí)驗(yàn)對(duì)兩種方法進(jìn)行對(duì)比,證明了圖像和激光雷達(dá)聯(lián)合檢測(cè)道路的方法可靠性更強(qiáng),效果更好。
　　 機(jī)器人在行駛過程中可能會(huì)遇到障礙