1 陆军工程大学石家庄校区车辆与电气工程系, 河北 石家庄 050003
2 中国人民解放军63963部队, 北京 100072
环境感知是无人驾驶的核心技术之一,而利用三维激光雷达进行障碍物检测一直是国内外的研究热点。本文首先按照传感器的种类介绍了无人车障碍物检测方法的分类,然后介绍了基于三维激光雷达进行障碍物检测的基本原理,之后详细分析了基于三维激光雷达进行障碍物检测的传统方法。其中深度学习是二维图像目标检测及分类的重要方法,在介绍三维激光雷达点云特点的同时分析了点云深度学习的挑战,最后详细分析了三维点云深度学习在障碍物检测方面的研究现状以及发展趋势,并且介绍了自动驾驶领域的KITTI数据集和ApolloScape数据集。
遥感 无人驾驶 三维激光雷达 障碍物检测 栅格网络 深度学习 激光与光电子学进展
2019, 56(13): 130001
1 陆军工程大学石家庄校区车辆与电气工程系, 河北 石家庄 050003
2 北京特种车辆研究所, 北京 100071
针对车载三维激光雷达在工作前需要对安装外参数进行标定的问题, 综合考虑激光雷达的扫描光束不可见、多线式扫描等特点, 提出了一种激光雷达外参数的标定方法。首先对普通纸箱进行扫描, 以纸箱两个侧面和地面间的相互垂直关系作为约束, 采用随机抽样一致性算法(RANSAC)在获取的点云数据中拟合出三个平面的初始模型, 并通过旋转、平移步骤优化平面模型的拟合精度, 从最优模型中提取同名向量和同名点; 然后基于空间向量的三维坐标系转换模型, 对激光雷达的旋转和平移参数进行求解, 只需采集一次数据即可完成所有外参数的标定; 最后结合仿真和在标定后对室外环境三维重建的结果, 验证了算法的有效性。
三维激光雷达 外参数标定 RANSAC算法 同名向量 三维坐标系转换 3D LIDAR external parameters calibration RANSAC algorithm corresponding vector 3D coordinate conversion
