《基于激光雷达和摄像机融合的智能车障碍物识别方法》PDF+DOC
作者:张袅娜,鲍旋旋,李昊林
单位:中国技术经济学会
出版:《科学技术与工程》2020年第04期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFKXJS2020040250
DOC编号:DOCKXJS2020040259
下载格式:PDF + Word/doc 文字可复制、可编辑
《车辆周边识别传感器的动向》PDF+DOC1997年第06期 杨变英
《机器人视觉中的障碍物优化识别方法研究》PDF+DOC2016年第06期 李丽丽
《多数据源融合的高速公路气象识别方法》PDF+DOC2015年第03期 须民健,习燕,廖强,李文锋
《视觉与激光雷达信息融合的目标领航车识别方法》PDF+DOC2018年第06期 贾子永,任国全,李冬伟,程子阳
《智能车辆导航中障碍物检测方法研究》PDF+DOC2017年第09期 李亮,李锋林
《障碍物分类识别的果园机器人避障方法研究》PDF+DOC2020年第08期 耿乾,毛鹏军,李鹏举,黄传鹏,方骞,张家瑞
《基于激光雷达与视觉信息融合的SLAM方法》PDF+DOC2019年第01期 王光庭,曹凯,刘豪
《增强单目视觉的标定与避障实验分析》PDF+DOC 王庆渠,党淑雯,史瀚海
《输电线路巡线机器人障碍物识别综述》PDF+DOC2012年第03期 林国,李伟超
《一种单线激光雷达和可见光摄像机的标定方法》PDF+DOC2008年第S1期 刘大学,戴斌,李政,贺汉根
针对智能车环境感知中单一传感器所存在的局限性问题,提出一种通过激光雷达融合摄像机来感应识别智能车前方障碍物的方法。首先,通过激光雷达与摄像机之间的校准,实现目标的三维数据的图像投影,并进行视觉图像与目标的三维雷达数据的融合,以提取障碍物候选区域。其次,提出了一种基于卷积神经网络(convolutional neural network,CNN)和支持向量机(support vector machines,SVM)的障碍物识别模型,用于训练KITTI数据库中的数据,检测视觉图像中的行人和车辆目标,以此来得到所需要的单帧下各传感器的目标检测数据。实验结果表明,所提出的模型在KITTI中选择的小数据集上获得的模型在实际测试中具有良好的性能,具有可靠的识别能力和良好的分类结果。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。