论文部分内容阅读
近年来，随着科学技术的发展进步，中国无人艇研发已进入模块化、功能化阶段。为保证无人艇在航道中能成功避障安全航行，无人艇的环境感知模块必须及时、准确实现障碍物识别及检测。多线激光雷达（LIDAR）作为传统雷达（RADAR）技术与激光扫描技术相结合的产物，具有测量精度高、距离远、抗干扰能力强的优势，在无人车、智能机器人等地面领域应用广泛。结合水面障碍物激光扫描点云数据的反射特性，激光雷达在无人艇的环境感知系统中有非常广阔的应用前景，在无人艇环境感知系统中使用激光雷达是解决无人艇水面障碍物目标识别与检测的新思路。本文提出了基于激光扫描点云的水面目标检测方法，主要从以下几个方面展开研究：
1.结合水面障碍物激光扫描点云的反射特性，对所采集的点云数据进行了预处理，包括：滤波、聚类和配准。其中包括，基于欧氏距离完成点云初滤波，使用统计滤波器实现了点云去噪，基于体素网格下采样算法完成了点云精简，基于K-Means聚类实现了点云聚类分割，此外，基于深度图像的成像原理，完成基于激光点云数据的深度图像提取，并基于深度图像实现点云配准。
2.基于深度学习网络目标检测的机理，设计了两种不同类型输入数据的深度学习网络，对比分析了改进PointNet和改进VGG网络处理的效果。其中，VGG卷积神经网络以激光点云生成的深度图像作为网络输入，通过分析图像特征调整了VGG网络结构，构建了改进VGG卷积神经网络。而三维点云分类网络PointNet以激光点云数据作为网络输入，用预处理后的点云数据对网络进行训练和测试，基于激光点云反射特性对网络输入进行扩展，并对网络架构加以精简，减少网络运算量，提升训练效率。经过实测数据验证，改进的PointNet直接对激光点云进行特征提取，避免了点云信息丢失，检测准确率高于VGG网络模型。
3.分别将改进VGG网络和改进PointNet应用到内河航道环境中进行水面目标检测，构建了内河航道环境下船舶目标检测系统，实现了对水面障碍物目标的检测和识别，并利用包围盒对障碍物计算质心进行定位。
采用内河航道实验船，在浙江安吉进行实船实验，采集实验数据，并对数据进行处理分析，结果验证了本文内河环境水面目标检测系统的准确性与实时性。
1.结合水面障碍物激光扫描点云的反射特性，对所采集的点云数据进行了预处理，包括：滤波、聚类和配准。其中包括，基于欧氏距离完成点云初滤波，使用统计滤波器实现了点云去噪，基于体素网格下采样算法完成了点云精简，基于K-Means聚类实现了点云聚类分割，此外，基于深度图像的成像原理，完成基于激光点云数据的深度图像提取，并基于深度图像实现点云配准。
2.基于深度学习网络目标检测的机理，设计了两种不同类型输入数据的深度学习网络，对比分析了改进PointNet和改进VGG网络处理的效果。其中，VGG卷积神经网络以激光点云生成的深度图像作为网络输入，通过分析图像特征调整了VGG网络结构，构建了改进VGG卷积神经网络。而三维点云分类网络PointNet以激光点云数据作为网络输入，用预处理后的点云数据对网络进行训练和测试，基于激光点云反射特性对网络输入进行扩展，并对网络架构加以精简，减少网络运算量，提升训练效率。经过实测数据验证，改进的PointNet直接对激光点云进行特征提取，避免了点云信息丢失，检测准确率高于VGG网络模型。
3.分别将改进VGG网络和改进PointNet应用到内河航道环境中进行水面目标检测，构建了内河航道环境下船舶目标检测系统，实现了对水面障碍物目标的检测和识别，并利用包围盒对障碍物计算质心进行定位。
采用内河航道实验船，在浙江安吉进行实船实验，采集实验数据，并对数据进行处理分析，结果验证了本文内河环境水面目标检测系统的准确性与实时性。