基于激光雷达点云的自动驾驶场景语义理解方法

目录

声明

摘要

第1章绪论

1．1课题背景及研究意义

1．2 自动驾驶三维场景理解相关概念及研究现状

1．2．1 三维激光雷达点云语义数据集

1．2．2点云语义分割方法

1．2．3点云障碍物检测方法

1．3本文内容安排

第2章基于卷积神经网络的激光雷达点云语义分割

2．1 引言

2．2 建立ScienceIsland数据集

2．2．1 SemanticKITTI数据集简介及其局限

2．2．2点云数据采集

2．2．3数据标注

2．2．4数据集分析

2．3研究方法

2．3．1 预处理将点云投影成距离图像

2．3．2语义分割网络

2．3．3后处理优化

2．3．4距离图像反投影重建点云

2．4实验结果与分析

2．4．1评估指标

2．4．2模型训练可视化

2．4．3 结果分析

2．5本章小结

第3章基于卷积神经网络和概率占用栅格的地面分割

3．1 引言

3．2点云数据预处理

3．2．1 激光雷达点云运动补偿

3．2．2激光雷达点云去噪

3．3地面分割方法

3．3．1 基于轻量级卷积神经网络的地面点云粗分割

3．3．2点云映射至二维环状栅格

3．3．3概率占用栅格地图建模

3．3．4地面坡度估计

3．4实验结果与分析

3．4．1 数据集与评估指标

3．4．2结果分析

3．5本章小结

第4章越野场景下基于点云几何特征的负障碍物检测

4．1 引言

4．2多激光雷达安装布局

4．2．1 传统直立安装方式的缺点

4．2．2侧向安装方式

4．3 负障碍物点云局部几何特征

4．3．1 相邻激光扫描点距离跳变

4．3．2后沿壁激光扫描点高度下降

4．3．3后沿壁激光扫描点局部密集

4．4负障碍物检测算法

4．4．1 几何特征提取

4．4．2局部地面拟合

4．4．3多激光雷达多帧点云融合

4．4．4候选点对聚类

4．4．5负障碍物凸包计算

4．5实验结果与分析

4．5．2评估指标

4．5．3定性实验分析

4．5．4定量实验分析

4．6本章小结

第5章总结与展望

5．1 全文总结

5．2研究展望

参考文献

致谢

在读期间发表的学术论文与取得的研究成果