| 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 |
| |
| 引用本文： | 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, 0(7): 779-784 |
| |
| 作者姓名： | 娄新雨 王海 蔡英凤 郑正扬 陈龙 |
| |
| 作者单位： | 江苏大学汽车与交通工程学院;香港大学机器人与自动化实验室;江苏大学汽车工程研究院 |
| |
| 基金项目： | 国家重点研发计划(2018YFB0105003);国家自然科学基金(61601203,U1664258,U1764257,U1762264,61773184);江苏省优秀青年基金(BK20180100);江苏省重点研发计划(BE2016149);江苏省战略性新兴产业发展重大专项(苏发改高技发(2016)1094号、(2015)1084号);镇江市重点研发计划(GY2017006);江苏高校境外研修计划资助 |
| |
| 摘 要： | 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95ms,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,具有显著的工程实用价值。
|
| 关 键 词： | 64线激光雷达 目标检测 目标分类 实时性 |
A Research on an Algorithm for Real-time Detection and Classification of Road Obstacle by Using 64-line Lidar |
| |
| Affiliation: | (School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang 212013;Institute of Automotive Engineering, Jiangsu University, Zhenjiang 212013;Robotic and Automation Lab, University of Hongkong, Hongkong 999077) |
| |
| Abstract: | Lou Xinyu;Wang Hai;Cai Yingfeng;Cai Yingfeng;Zheng Zhengyang(School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang 212013;Institute of Automotive Engineering, Jiangsu University, Zhenjiang 212013;Robotic and Automation Lab, University of Hongkong, Hongkong 999077) |
| |
| Keywords: | 64-line Lidar object detection object classification real-time |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
