双重下采样增强的点云改进配准算法研究

自动驾驶领域对点云配准实时性要求高,而已有ICP算法及其变体存在对初始位姿要求高、配准速度慢等问题。鉴于此,本文提出了一种改进的快速点云配准方法,首先采用双重下采样方法对初始点云数据进行预处理,在保留原始特征的同时快速降低点云数据量,然后引入内部形状描述子（ISS）来优化超级全等四点集（Super4PCS）算法,降低其时间复杂度,最后选用线性最小二乘优化ICP算法进行快速精配准。采用斯坦福点云数据和自动驾驶Kitti点云数据对该算法有效性进行了测试和对比验证,结果表明：该算法具有良好的鲁棒性,且配准精度和配准速度均比已有算法有明显提高。     

车载激光雷达的应用算法

伴随着无人驾驶领域的迅速发展,激光雷达（LIDRA）在这一行业上的应用越来越广泛。激光雷达的快速发展,为智能网联汽车在目标跟踪与识别等方面提供了另一种方式。文章以车载激光雷达在自动驾驶行业上的应用为切入点,介绍了车载激光雷达的三种应用算法。目标跟踪与识别算法,通过目标跟踪算法对障碍物运动状态做出估计和预测,实时评估障碍物和无人驾驶车辆的安全等级,作出相应的决策。即时定位与地图构建（SLAM）相关算法,应用于解决机器人在未知环境中定位自身位置和姿态的一种高级算法。点云分割往往是物体识别、地图构建的基础,通过对六种常用分割算法的描述,分析了算法各自的特点,为不同应用场景算法的选择提供了一定参考。     

基于体素柱形的激光雷达点云车辆目标检测算法

环境车辆是自动驾驶汽车行驶时的主要障碍物之一,对环境车辆的尺寸、位置、朝向等空间信息进行感知对于保障行驶安全具有重要意义。激光雷达点云数据包含了场景中物体表面扫描点的三维坐标,是实现车辆目标检测任务的重要数据来源。结合SECOND与PointPillars方法,提出一种基于体素柱形的三维车辆目标检测模型,利用三维稀疏卷积聚合点云局部特征,在体素特征图上构造柱形并进行特征编码,有效解决点柱形方法缺乏柱形间特征交互问题,增强点云特征的空间语义信息;基于均值池化操作生成锚框点云占据位图并提出一种简单负样本过滤策略,在模型训练阶段筛除预设在无点云覆盖区域的无效锚框,缓解正负样本或难易样本不均衡问题;在目标框回归模块中,使用类别置信度与交并比(IoU)预测值计算混合置信度,改善分类分支与位置回归分支结果不一致问题,并使用KITTI三维目标检测数据集进行模型训练与评估。研究结果表明：在严格判定标准下(IoU阈值设置为0.7),所提算法在简单、中等、困难3种难度级别下分别获得了89.60%、79.17%、77.75%的平均检测精度(AP_3D),与SECOND、PointPill...     

激光雷达的内参建模与点云修正方法

本文中建立了一种针对机械式激光雷达参数较少的内参模型;考虑到偏心结构对于点云的影响,提出了角度修正和距离修正两种点云修正方法,对两种方法的修正效果进行仿真,并通过实际点云加以验证.最后还用位姿估计算法验证修正算法的有效性.     

物流配送点选址模型及其算法研究

首先介绍以最低送货运输费用为目标 ,借助最小二乘法推导出单物流配送点的选址模型及其迭代算法 ;在此基础上重点分析了已知物流配送点数目条件下的选址和物流服务分配问题 ,提出用二进制数的矩阵来描述物流服务分配方案 ,推导出其选址的数学模型 ,并给出交替选址迭代算法 ;最后讨论了如何把在未知配送点数目条件下的选址问题转化为已知配送点数目条件下的选址问题来求解     

基于激光雷达的3D目标检测研究综述

近年来,随着自动驾驶技术的快速发展,智能汽车对于环境感知技术的需求也越来越高,由于激光雷达数据具有较高的精度,能够更好的获取环境中的三维信息,已经成为了3D目标检测领域研究的热点。为了给智能汽车提供更加准确的环境信息,对激光雷达3D目标检测领域主要研究内容进行综述。首先,分析了自动驾驶车辆各种环境感知传感器的优缺点;其次,根据3D目标检测算法中数据处理方式的不同,综述了基于点云的检测算法和图像与点云融合的检测算法;然后,梳理了主流自动驾驶数据集及其3D目标检测评估方法;最后对当前点云3D目标检测算法进行总结和展望,结果表明当前研究中2D视图法和多模态融合法对自动驾驶技术发展的重要性。     

基于小波变换的医学图像特征点互信息配准

医学图像配准是医学图像分析诊断的基础,也是图像融合等图像处理需要先行解决的问题.目前医学图像配准方法基本上分为基于形状特征和基于像素相似性两种方法.文中用小波变换提取图像特征点,将特征点互信息作为图像配准的相似性测度,并使用粒子群算法来求解配准所需的空间变换参数.实验结果表明,此方法减少了计算量,具有较快的配准速度,能准确地实现多模态医学图像的配准。     

基于粒子群算法优化支持向量机的公路客运量预测

公路客运量数据受多种因素影响而呈现非线性等特点,为了提高其预测精度,文中提出粒子群算法（PSO）优化支持向量机（SVM）的公路客运量预测模型,利用PSO寻优能力突出的优点,对支持向量机的参数进行优化选择,并用优化后的支持向量机模型对公路客运量进行预测.研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO SVM的预测精度更高.     

基于NSGA-Ⅱ算法的悬架结构硬点多目标优化

建立了悬架结构硬点优化设计流程,以车轮定位参数(车轮外倾角、车轮前束角、主销内倾角和主销后倾角)随轮跳的变化范围为目标对悬架结构硬点进行优化设计。考虑车轮定位参数中车轮前束角和车轮外倾角的关联性,采用直接加权法将二者随轮跳的变化范围进行整合,减少目标函数个数,提高趋向帕累托最优集的收敛性。优化后各目标值均得到不同程度减小,证明了该方法的可行性。     

基于激光雷达点法向量的车辆实时位姿估计

为解决复杂交通场景下激光雷达获取运动车辆点云残缺而导致位姿信息难以提取的问题,提出一种基于点法向量特征的动态刚性目标实时位姿估计方法.利用最小二乘拟合算法求解目标表面点法向量,采用自适应聚类算法求解点法向量聚簇中心数量,求取聚类点拟合平面,选择互相垂直的平面代表点法向量分别作为待测目标所属坐标系内X轴和Y轴,通过运动学...     

一种通用的三维散乱数据点图形重建算法

通过三维扫描仪可以获得物体表面的三维散乱数据点集,如何通过图形重建算法来对散乱数据点集进行重建,在许多系统中是一个重要的步骤,并在许多行业有广泛的应用前景。章提出了一种新的通用的三维散乱数据点重建算法,它是基于轮廓线的构型方法,该方法不仅能够适用于凸形物体的构型,而且也可以适用于凹形物体的构型。     

路径诱导问题中Dijkstra算法和矩阵迭代算法的比较研究

Dijkstra算法和矩阵迭代算法都是最短路径问题的经典算法,为了研究这2种算法的计算效率,介绍了2种算法的基本思路和程序流程;通过对时间复杂度、结果和时间的关系指标进行多次计算,表现2者之间的效率差异.比对结果显示:矩阵迭代算法较Dijkstra算法速度快;随着交叉口数的增加,前者较后者速度优势更加显著;前者计算思路较后者简洁,便于计算机程序的编写.     

基于改进DBSCAN算法的激光雷达目标物检测方法

传统的DBSCAN聚类算法是基于密度的聚类算法,原始算法在搜索精度和搜索效率上存在一定的局限性.基于LUX4线激光雷达数据点的点云特点,结合DBSCAN算法存在的不足与路面目标物的实际情况,提出了1种基于改进的DBSCAN聚类算法,选取4个代表点取代对所有点的搜索和改进搜索半径使其随扫描的距离而变化的方法,实现激光雷达目标物的快速、准确检测.通过改进DBSCAN算法对雷达数据进行去噪声和聚类处理,根据检测物在激光雷达探测中的形状特征模型进行形状匹配.实验结果表明该改进算法能较好的识别出目标物,行人检测率由原始算法的61.90%提高到了80.95%,搜索时间较原始算法缩短了44.7%,解决了原始算法精度低、搜索慢的缺点.     

基于Hough变换的车牌倾斜检测算法

典型的角度检测算法是进行Hough变换后寻找最长直线的倾斜角度．一般情况下，待处理图象中未必有明显的较长直线．甚至存在一些对图像进行正确检测的长直线干扰。章介绍了一种基于统计考虑的数据分析思路，以期在基于Hough变换的角度检测算法上取得更高的准确性。     

基于稀疏卷积神经网络的车载激光雷达点云语义分割方法

对车载激光雷达扫描得到的点云进行语义分割是保证行车安全、加强驾驶员对周边环境理解的重要手段之一。因为内存限制和大规模点云场景更加稀疏的特点,将传统神经网络的方法直接沿用到车载激光雷达扫描得到的点云场景中的效果不佳。本文中针对大规模点云的稀疏性,利用稀疏卷积神经网络对体素化点云进行特征提取。考虑到逐点处理分支抑制点云数据的密度不一致性导致的信息损失,另外设计了3D-CA和3D-SA模块,使稀疏卷积神经网络更好地提取特征。实验结果表明,与传统卷积神经网络的方法和将点云投影到平面的方法相比,使用稀疏卷积神经网络对大规模点云进行语义分割,可将平均交并比提升4.1%和3.4%,证明了该方法的有效性。     

基于图像处理技术的泥石流照片中块石分割算法分析比较

近几年泥石流灾害多发,而泥石流粒度分析量测任务繁重。为此,结合计算机图像处理技术,将野外实地块石照片进行计算机处理。在处理前期,将照片中块石有效地分割出来是一个最重要问题。该项技术研究在当今地质领域中是一个新兴热门领域,国内外的研究甚少,这项技术的研究现在处于萌芽阶段。有鉴于此,分析比较当今分割效果较好的3种算法并结合其他小算法,得出归一化分割算法结合分水岭算法,高低帽变换算法,beareaopen变换算法,能够较好地分割出块石,效果比较理想。     

液力机械自动变速器动力性换挡点算法研究

为得到发动机与液力变矩器共同工作点及动力性换挡点精确计算结果.对发动机净转矩外特性曲线采用三次样条插值,并构造了求解共同工作点及动力性换挡点的求值函数.分别采用改进二分法和牛顿下山法来求解构造函数零值.通过实例计算和分析表明,这2种方法运行速度快、精度高,求得的动力性换挡特性提高了液力传动车辆的匹配效率.     

基于秩约束的车辆遮挡点恢复方法

为了恢复车辆跟踪过程中丢失的特征点,提出了一种基于秩约束的车辆遮挡点恢复方法,该方法利用所有车辆图像点组成一个秩3的矩阵,并利用该特性构造一个投影矩阵,利用该投影矩阵求到车辆遮挡点,再将求到的车辆遮挡点代替图像中的车辆遮挡点,经过多次迭代,最后求到车辆遮挡点的真实位置。该方法的优点是所有的图像及图像点都平等地看待,模拟试验和真实试验表明,该方法具有鲁棒性好、收敛性好及误差小等优点。     

基于无迹Kalman滤波算法的电池内部温度估计

为实时监测车用锂离子动力电池内部温度,提高电池性能,提出了一种非线性无迹Kalman滤波(UKF)估计算法。对某一2.6 Ah三元单体锂离子电池,建立等效可变参数热模型;用状态方程分析法,建立电池内部外部温度的关联并离散化;用递推最小二乘法(RLS)辨识热模型中时间、表面温度、环境温度、输入电流4种热参数,实时更新系统状态与观测方程的参数矩阵,结合UKF算法,实现电池内部温度估计。通过Matlab搭建仿真模型,用混合动力脉冲能力特性(HPPC)、动态应力测试(DST)以及恒流3种工况,来验证算法精度。结果表明：对于这3种工况,该UKF算法均可在1℃内估计电池内部温度。