【摘 要】
：
在过去几年中,自动驾驶技术的快速发展。然而,由于道路场景复杂而多变,实现车辆完全自主行驶仍然是一项艰巨的任务。本文主要针对自动驾驶车辆搭载的激光雷达传感器（Li DAR）获取的点云数据和视觉传感器获取的图像数据,进行自动驾驶道路场景下的3D目标检测方法的研究。相比传统的图像目标检测,3D目标检测不仅要识别出目标的类别,而且还要检测出目标的位置、尺寸大小等空间信息,以便自动驾驶系统能够更加准确地决策
论文部分内容阅读
在过去几年中,自动驾驶技术的快速发展。然而,由于道路场景复杂而多变,实现车辆完全自主行驶仍然是一项艰巨的任务。本文主要针对自动驾驶车辆搭载的激光雷达传感器（Li DAR）获取的点云数据和视觉传感器获取的图像数据,进行自动驾驶道路场景下的3D目标检测方法的研究。相比传统的图像目标检测,3D目标检测不仅要识别出目标的类别,而且还要检测出目标的位置、尺寸大小等空间信息,以便自动驾驶系统能够更加准确地决策规划。本文在分析当前3D目标检测算法的基础上,基于深度学习的方法,构建了两种不同的3D目标检测方案,通过实验证明了所提方法的有效性。本文主要研究工作如下:（1）本文系统地研究了基于不同数据的三维目标检测算法。首先从道路场景下,数据的获取方式、表现形式及特征等方面进行数据层面的分析。其次,对图像目标检测算法与点云目标检测算法,进行系统网络架构分析与设计,并根据融合方式的不同进行对比分析,为进一步深入研究提供技术路线选择依据。（2）本文提出了一种基于多注意力机制的Li DAR点云3D目标检测方法。现有点云目标检测算法在点云特征提取的过程中,对不同特征通道的信息进行无差别对待,不仅影响检测结果准确率,同时也使得计算量增大。为解决这一问题,本文以Point Net类网络为基础,在点云特征提取阶段对网络进行改进。通过引入的注意力模块,使得神经网络能够学习到不同特征层的权重信息,完成注意力机制在3D点云目标检测领域中的结合与应用。（3）本文提出了一种基于点云和图像数据融合的3D目标检测方法。RGB图像包含丰富的语义信息及纹理信息,在目标分类任务中具有不可替代的优势,但是图像数据缺少物体准确的空间位置信息。相反,通过Li DAR获取的点云数据,能够精确地获取目标物体的空间信息,与图像数据能够形成较好的优势互补。因此,本文在深入研究激光点云与视觉图像两种数据的基础之上,提出了一种决策级融合目标检测网络。该网络能够提供一种有效的目标检测融合方式,与使用单种数据模态进行目标检测的方法相比,采用点云与图像融合数据的检测方案,可以有效降低特殊环境下由于某一种传感器获取数据质量不佳导致的目标检测结果不准确,从而提高目标检测网络的稳定性与可靠性。
其他文献
命名实体识别是知识图谱、机器翻译、智能问答系统等一系列自然语言处理任务的关键性子任务,旨在从非结构化的文本数据中提取出特定的命名实体,而中文命名实体识别仍然面对诸多挑战,因此对于中文命名实体识别的研究具有现实意义。互联网的高速发展带来了网上文本数据指数级的爆发式增长,为基于大数据驱动的深度学习方法奠定了基础,本文主要采用基于深度学习的方法对命名实体识别展开研究,研究工作可以概括如下:（1）当前的命
随着碳中和和碳达峰目标的提出,提高林业智能化水平成为双碳目标的一大支撑。木材的径级和材积测量是林业智能化的重要方向,企业长久以来大量使用的人工检尺方法,效率较低、主观性较强且劳动强度大。随着图像处理技术的发展,木材图像检尺成为可能。但在实际木材货场中,对于密集车载的木材径级测量,受木材端面遮挡、轮廓边界粘连、树芯颜色偏差等因素的影响,木材检测率、轮廓分割精度、检尺效率等陷入瓶颈。此外,现阶段国家林
大数据时代背景下,数据缺失是许多领域都存在的问题。在交通、电力、医学等领域,已有许多专家学者对缺失数据的处理进行了积极的研究,研究中还发现交通领域下的缺失数据复原方法能够扩展应用于其他领域。交通轨迹数据属于交通大数据的一种,为包括智能交通系统、城市交通规划和无人驾驶技术等许多潜在领域提供了不可或缺的数据基础。高质量的轨迹数据必须保证其完整性和有效性。然而,在数据的采集传输过程中,容易受到通信不稳定
交通是城市的“命脉”,是推动智慧城市落地的重要的一环。随着人工智能和车联网技术的蓬勃发展,新型交通运输模式的出现是智慧交通发展的一种必然趋势。以“互联网+传统出租车或私家车”为运营模式的网约车在城市公共交通系统中扮演着越来越重要的角色。然而,随着网约车资源和乘客需求的快速增长,两者之间的供需矛盾也日益突出。准确的网约车出行时空需求预测有助于平衡网约车供给与乘车需求,为网约车平台合理预分配运力资源提
城市作为社会经济活动的主要场所,交通路网是复杂城市系统的基本保障。近年来,国内外各大城市的机动车保有量快速增加,导致交通拥堵问题日益严峻,城市交通的出行服务质量严重下降。精确和高效的交通流预测可以有效缓减交通拥堵,有助于城市交通的管理和规划。交通流具有时间特性、空间特性以及非时空因素特性,而交通流预测模型旨在挖掘潜在的交通流模式。因此,如何分析实际的交通流数据,利用数据的时间空间等特征,完成不同时
端到端模型在构建各种自然语言处理（NLP）模型方面取得了快速发展。多年来,循环神经网络（RNN）一直是构建端到端模型的最佳选择。最近,一种新型的端到端模型Transformer在翻译任务中表现十分出色。Transformer在构建端到端自动语音识别（ASR）系统方面的应用也成为趋势。然而,Transformer ASR系统通常被训练为按从左到右的单向处理,而不考虑其反向的上下文,其双向模型采用两个
预测住宅和商业建筑的用电量对于提供更好的能源管理服务非常重要。电力负荷预测正在成为当今配电网络中了解电力系统行为的关键参与者,最终用户可以预测用电的未来趋势,从而管理他们的家用电器以减少高额电费。功耗取决于不同的变量和场景,例如天气变量、居住者的行为、电器类型等。由于这些原因,预测模型有时会产生不正确的预测。本论文提出的基于物联网的技术是改进数据收集方法的技术之一,该技术的数据集清晰,有足够的信息
跨海大桥桥墩的施工环境较为恶劣,且桥墩受到的冲刷、腐蚀等病害日趋严重。大量的既有研究表明,超高性能混凝土具有很强的耐腐蚀、防冲刷能力,若将其作为保护层,则有望从根本上提高桥墩的耐久性。为此提出一种采用预制的外包超高性能混凝土（Ultra High Performance Concrete,简称UHPC）的钢管（Steel Tube,简称ST）作为免拆模板,并内浇普通混凝土（Normal Concr
客家是迁徙过程中由文化融合而形成的群体。客家媒体形象在不同媒介环境中呈现出不同特征,新媒体传播方式为客家文化传播路径带来新的变化。传统媒体环境下,影像生产和传播受专业机构影响,客家个体自我表述在大众媒体场域中缺位。移动短视频媒体出现后,主位影像表达成为个体可触及的现实。短视频传播场域中开始大量出现由客籍人士与非客籍人士创作的短视频作品,其内容以客家文化为主题,本研究将这类短视频文本称为“客家短视频
钢管再生混凝土柱克服传统再生混凝土的力学缺陷,为拓展再生混凝土在结构工程中的应用范围开辟新的途径,做到保护环境和资源再利用。其在使用过程中除了遭受永久荷载与可变荷载之外,还会遭受非静态的冲击荷载作用。为此,本文将对钢管再生混凝土柱的抗冲击性能进行深入研究。具体内容包括以下方面:（1）开展钢管再生混凝土柱的落锤冲击试验研究。试验参数主要包括冲击高度、落锤质量、再生粗骨料取代率、轴压比。试验中得到钢管