《無人車越野環境感知關鍵技術研究》是依託大連理工大學,由趙一兵擔任醒目負責人的青年科學基金項目。
基本介紹
- 中文名：無人車越野環境感知關鍵技術研究
- 依託單位：大連理工大學
- 項目類別：青年科學基金項目
- 項目負責人：趙一兵
項目摘要,結題摘要,
項目摘要
本項目借鑑計算機圖像處理、模式識別、感測器信息融合等多學科理論知識，在認知機理模擬和計算的層次上探索環境感知的新方法，研究面向越野環境的無人車自主導航關鍵技術，初步實現具有多感測器信息互動的越野無人車環境感知技術框架。本課題提出基於機率檢驗法和混合高斯模型探測環境中可行駛區域，並利用三維數據的穿透率、圖像邊緣鏈碼曲率、協方差矩陣的主成分分析等方法，提取觀測目標來自每個感測器的特徵向量，採用摸出插值法確定隸屬度以及相關係數構造基本機率賦值函式，基於D-S證據融合理論產生更精確的目標身份分類識別結果，它是越野無人車實現運動行為控制、自主導航的分析依據，也是實現野外環境高速行駛的必要前提條件。
結題摘要
地面無人車輛在野外環境感知會碰到多種正、負障礙物，如草叢、岩石、斜坡、樹木、水域等等，本項目借鑑計算機圖像處理、模式識別、感測器信息融合等多學科理論知識，研究具有多感測器信息互動的越野無人車環境感知技術框架，開展以下主要研究工作：（1）本項目基於一階Markov模型糾正雷射系統誤差，選用“機率檢驗法”探測車體前方障礙物，並選擇判別型學習算法“坐標上升法”局部最佳化閾值參數及馬爾科夫鏈的誤差參數。（2）基於雷射與視覺圖像的投影映射提取視覺圖像中近距離可行駛表面，通過訓練該表面的混合高斯模型GMM將視覺圖像分類成可行駛區域和障礙物區域。（3）基於單目視覺與雷射三維數據信息，利用圖像邊緣鏈碼曲率、雷射點雲的穿透率、協方差矩陣的主成分分析等方法，提取觀測目標來自每個感測器的特徵向量。（4）基於馬爾可夫隨機場模型與Bayes理論方法分類識別障礙物，結合GPS、微型陀螺儀建立UGV當前環境感知區域地圖並確定可行駛區域。
