基于多传感器融合的复杂越野环境人员识别方法
2021-06-16刘英哲范晶晶李志鹏郭建英
汽车工程学报 2021年3期
关键词:融合
刘英哲,范晶晶,李志鹏,郭建英
(1.北方工业大学 城市道路交通智能控制技术北京重点实验室,北京 100144;2.中国北方发动机研究所,天津 300405;3.顺德中专学校,广东,佛山 528300)
军用无人车辆的一大应用场景就是班组伴随、跟随士兵,减轻班组成员的负荷,可以从整体上提升班组的战斗能力。实时、准确并且可靠地检测出车辆周边的人员,是班组伴随自动驾驶实现的前提,行之有效的人员检测技术能够帮助班组伴随无人驾驶车辆实现自动跟随功能。
由于激光雷达和摄像头原理不同,受环境影响的特点也不尽相同,采用单一传感器对人员进行检测,难以适应复杂的环境,所以大都采用多传感器融合的方式。在激光雷达和摄像头融合领域,PREMEBIDA等[1-6]通过不同方法配置的图像数据和激光雷达点云数据训练得到自适应人员检测器。PONZ等[7-14]通过联合概率数据关联方法对激光雷达、摄像头以及惯性传感器等的静态信息和在线信息进行数据关联,以达到检测人员的目的。在毫米波雷达和摄像头融合领域,徐伟等[15-16]基于图像的HOG特征和SVM分类方法以及毫米波雷达的快速容差中频匹配算法,设计了多传感器融合的行人识别算法,但由于HOG特征本身的局限性,行人识别率相对较低。
本文针对自动驾驶车辆对于复杂环境下人员识别的需求,将摄像头和激光雷达作为感知设备,针对激光雷达采用基于KDTree加速的欧式聚类方法,针对摄像头设计改进YOLO v3深度学习网络架构,最后设计空间融合识别算法,旨在增加人员识别的准确率。……
登录APP查看全文
