基于深度神经网络的激光雷达点云语义分割算法研究

发布时间：2024-02-15 05:09

　　随着计算机视觉的迅速崛起,无人驾驶受到机器人领域众多研究者的青睐。无人驾驶系统通过车载传感器达到自身状态和周围环境信息的感知,再通过算法为环境赋予语义信息,实现系统决策。环境感知作为系统的“眼睛”占据重要地位,本文基于深度神经网络实现激光雷达点云数据的语义分割,具体内容主要从以下三方面展开:(1)点云数据预处理:由于点云本身的稀疏性、无序性和非均匀分布的特点,在利用深度全卷积神经网络结构对激光雷达点云数据进行语义分割时,网络的端到端特征使得网络无法直接对点云数据进行处理,需先对点云数据进行预处理,通过球面映射将稀疏散乱分布的点云数据转换为密集均匀分布的二维球面图,方便网络的后续数据处理。为减少点云空间信息的损失,在进行球面映射时对点云的空间位置、反射强度信息和角度值进行保留。(2)以轻量级网络结构squeezenet为基准网络设计神经网络对二维点云球面图进行分割,针对二维球面图的特征增加了Aspp结构、crf结构和reweighting layer等功能层增加特征的丰富性,并充分结合邻近点信息和上下文特征对点云进行分割可提高语义分割的准确性,结合focal loss损失函数形式权衡样本...

【文章页数】：86 页

【学位级别】：硕士

【部分图文】：

图1-1我国道路交通事故数量统计图

对无人驾驶系统中的环境信息的感知和识别部分进行研到的环境信息进行特征提取和识别操作，实现无人车对语义理解。背景及意义普及在极大降低人们出行成本的同时，也给社会的财产的隐患。据数据统计，从1990年到2019年这近三十年量大幅上升，机动车驾驶人数量剧增，现今的基础交通要求，....

图1-3激光雷达装载平台和稀疏点云数据

哈尔滨工业大学工学硕士学位论文达到场景识别的目的。随着计算机处理数据速度的提升和运算单元的增加，深度学习神经网络方法取得了里程碑似的突破，由于算法本身的高效的特征提取能力和优良的鲁棒性，用深度学习算法处理点云数据实现场景的识别和分析，以此提高无人驾驶系统的可靠性成为一个具有很重大....

图1-4Pointnet分割效果图

图1-4Pointnet分割效果图[25]27年，Charles等人在Pointnet网络结构基础上进行了改进和变形++深度神经网络结构[26]1，不同于Pointnet处理点云的原理，该网区间中通过Pointnet网络进行特征的分析，再将小区间的特征和融合....

图1-5pointnet++分割效果

图1-4Pointnet分割效果图[25]2harles等人在Pointnet网络结构基础上进行了改进经网络结构[26]1，不同于Pointnet处理点云的原理通过Pointnet网络进行特征的分析，再将小区间的来，实现点云的分割，分割效果见图1-5。该网络....

本文编号：3899262