城市复杂环境下基于三维激光雷达实时车辆检测

针对目前车辆检测准确性不高的问题,提出一种在城市复杂环境下单帧准确实时检测静止或运动车辆的算法.车辆检测系统采用三维激光雷达点云和二维栅格相结合,其中障碍聚类和障碍块轮廓在二维栅格地图上提取,而障碍检测和车辆检测在三维点云数据上处理.检测准确性的高低主要取决于所选的特征是否具有很好的区分性.针对几何形状相似难以区分和物体遮挡等问题,采用3种特征描述:反射强度概率分布、纵向高度轮廓分布和位置姿态相关特征,并利用支持向量机(SVM)训练分类器实现车辆的实时检测.实验中比较和分析了不同单特征和综合特征的检测性能,结果表明:自主车在城市环境下能以每帧200ms实时准确地检测环境中的车辆.

基于改进密度聚类的三维激光雷达点云滤波算法研究

三维激光雷达是无人驾驶、机器人等领域环境感知部分的重要组成,其扫描周围环境获取的点云数据中存在大量离群点等噪声数据。针对噪声点滤除不准确的问题,创新地提出一种改进密度聚类(DBSCAN)算法,利用栅格化网络寻找点云密度最大栅格,并在其中筛选初始点,自适应调整聚类半径和参数,最后完成聚类滤波。试验结果表明,该算法在保留原始点云特征的情况下有效滤除了离群点,在滤波时间基本不变的情况下,效果优于其他传统的滤波算法。