基于多阈值判断的单线激光雷达草丛识别方法

无人驾驶技术中的传统视觉识别容易受到环境因素的影响而降低识别率,而激光雷达有抗干扰能力强等诸多优点,因此在无人驾驶领域的应用日益广泛。基于单线激光雷达提出了一种对于草丛障碍物的识别方法。首先对草丛特征进行分析,阐述了草丛障碍物与其他连续体障碍物的特征区别,由特征分析提出了一种多阈值草丛特征识别算法,通过候选框对单线激光雷达点云识别保留,最后通过试验进行验证该多阈值草丛识别方法。试验结果表明该算法能够充分利用单线激光雷达点云数据量小、计算时间短、鲁棒性强等优点,弥补了特殊环境下视觉识别适应性差、识别失效等问题,更好地发挥了单线激光雷达的作用。

基于概率霍夫变换的车道线识别方法

针对结构化道路车道线检测的鲁棒性与实时性问题,本文提出一种基于概率霍夫变换的车道线识别方法。为了提高检测效率,对感兴趣区域内的图像利用概率霍夫变换方法检测出直线段;用最小二乘法拟合出正确的车道线并计算消失点的坐标,通过计算消失点横坐标和图像中心点横坐标的位置关系预测车道线方向;利用Visual Studio 2013平台完成车道线识别仿真验证。仿真结果表明,本文算法可以在不同环境下检测出车道线特征,有效提高了结构化道路车道线检测的鲁棒性与实时性。