7篇关于激光雷达的计算机毕业论文

今天分享的是关于激光雷达的7篇计算机毕业论文范文, 如果你的论文涉及到激光雷达等主题,本文能够帮助到你

基于多传感器数据融合的目标检测研究

这是一篇关于数据融合,目标检测,激光雷达,YOLO算法,PointNet++算法的论文, 主要内容为基于多传感器数据融合的目标检测技术是当今自动驾驶领域的研究热点之一。由于二维图像几乎不携带深度信息,基于图像的目标检测方法在三维目标检测上有较大局限性。而在基于激光雷达(Li DAR)点云数据的三维目标检测方法中,Li DAR点云虽然携带丰富的深度信息,但数据高度离散、不规律的特点为三维目标检测带来了较大困难,常用的Voxel(体素)法编码会导致信息丢失,Point(点素)法因数据量过大而无法在常规系统上运行。因此本文针对二维图像数据和三维点云数据的特点进行融合,由二维图像检测获取三维点云的待检测区域,通过减少点云处理算法的搜索空间来降低点云数据的复杂度和计算量,使用可直接作用于原始点云的Point Net++算法对点云中物体进行位置预测和边框回归。本论文的研究主要分为以下三个部分。1、数据融合与处理。将Li DAR点云投影到RGB图像,生成深度图。针对深度图稀疏的缺点,使用距离加权平均进行滤波。滤波后的深度图在数据层与RGB图像进行融合,生成RGBD图像,增加图像所携带的信息量,弥补RGB图像不携带深度信息的缺陷。对单一的深度数据使用多分辨率融合的方法进行增强,有效地提高深度数据的鲁棒性。2、改进YOLO二维目标检测算法。为了使模型适用于更广阔的场景,避免单一传感器数据受限而影响模型的性能,同时提高实际应用时的资源利用率。本文通过对YOLO主干网络进行改进,搭建了一个检测性能更好的通用检测模型,对融合前后的数据可以共用一套目标检测网络。最后通过实验证明:在改进后的YOLO二维检测网络中,融合后RGBD图像数据的平均检测精度明显提高。此外,使用多分辨率融合的深度数据比使用原始深度数据表现更出色,具有更优异的检测性能。3、基于图像-点云的双阶段三维目标检测。该方法使用了二维目标检测的实验结果,通过将二维的预测框映射到Li DAR点云空间,生成三维待检测区域,从而极大地缩小了三维目标检测网络的数据处理量。因此直接使用作用于原始点云的Point Net++算法进行特征提取和三维边框回归。最后通过实验分析表明:在三维目标检测任务中,基于40个召回阈值的平均精度APR40有一定的提升,在推理速度上更是有明显进步,可以达到实时推理的效果。

基于激光雷达与相机融合的3D车道线检测方法研究

这是一篇关于自动驾驶,车道线检测,激光雷达,计算机视觉,3D车道线的论文, 主要内容为随着传感器技术与自动驾驶产业的发展,基于多源传感器融合的环境感知技术得到迅速发展。车道线检测作为自动驾驶环境感知系统中的重要一环,对车辆的安全具有重大的作用,特别是在结构化道路中只有正确检测出车道线,才能准确获取道路的可行驶区域并确定车辆与车道线之间的关系,进而为后续决策规划任务提供良好的基础,保证车辆的正常行驶。但是目前车道线检测方法大多基于单一传感器,这种方法受传感器本身特性的影响较大,而基于传感器融合的检测方法研究相对较少且存在精度不高、计算量大等问题。同时,现有的车道线检测方法主要关注车道线的2D检测结果,缺失道路坡度等三维信息,而3D车道线不仅具有精准的三维车道坐标,为车辆提供坡度或颠簸程度等复杂路面信息,还能为地图和定位模块提供更加丰富的路面信息,促进高级自动驾驶的发展。为此,本文以3D车道线检测问题为研究对象,提出了一种基于激光雷达和相机融合的3D车道线检测方法。本文的主要工作如下:首先,可靠的传感器标定参数是实现多传感器精确融合的必要条件,为获取精确的多传感器联合标定参数,构建了激光雷达与相机联合标定框架及模型。通过对多传感器联合标定理论和标定参数进行分析,确定了本文所需要实现的联合标定功能和需要获取的标定参数;通过硬同步和软同步相结合的方法,实现了多传感器时间同步;基于激光雷达和相机的安装位置和二者数据间的特征匹配关联关系,实现了多传感器空间初始外参标定和精准标定。最终通过实验分析,验证了本文所构建的联合标定框架及模型可以获得精确的标定参数,能够保证激光雷达和相机数据实现精准融合。其次,基于联合标定结果,构建了基于图像的车道线分割及候选点云提取方法。前者将车道线检测问题简化为语义分割问题,搭建了基于Bise Net-v2的车道线分割网络;针对现有语义分割数据集中缺少车道标签问题,通过像素插值的方法将现有车道线检测数据集转换为分割数据集,并利用处理后的数据集对车道线分割网络进行了训练。后者利用联合标定结果对激光雷达点云进行了投影变换,并通过提取投影图与车道线分割参考结果图之间的关联关系获得了车道线候选点云。然后,结合基于图像提取的候选点云信息,构建了基于多特征梯度的点云提取方法和3D车道线融合检测方法。针对现有基于激光雷达的车道线检测方法精度低、误检多的问题,构建了基于点云高度和反射强度多梯度特征的车道线点云提取方法,在原始点云中提取出了车道线二次候选点云;针对点云分布特征不一致,噪声点多的问题,构建了点云插值和滤波方法,分别对融合后的候选点云进行了滤波、插值和聚类,提取出了每一条车道线所对应的3D点云簇;针对3D车道线分段及拟合效果差的问题,构建了基于多线段的3D车道线拟合方法,利用差分进化和贝叶斯优化问题实现了对车道线点云的自适应分段,并利用分段结果实现了车道线拟合,获得了精准的3D车道线几何信息。最后,在自动驾驶数据集上对本文所提检测方法的可行性和准确性进行了验证。针对不同场景下的数据进行了多组实验,实验结果表明,本文提出的基于激光雷达与相机融合的3D车道线检测方法能够精确地对3D车道线信息进行有效识别与提取,整个车道线检测框架及系统具有较高的应用价值。

基于激光雷达的铁路货运超限检测系统研究

这是一篇关于货运超限检测,激光雷达,降噪滤波,Vue框架的论文, 主要内容为铁路货运超限检测是保障铁路货运安全的重要方式,在铁路货运领域发挥着举足轻重的作用。为了提高铁路货运超限检测的精确度及稳定性,且实时动态测量。本文利用激光雷达扫描技术,搭建基于双激光雷达的铁路货运超限检测系统,解决了铁路货运不能实时动态超限检测的问题,同时提高了精确度、降低了误报率、提高了货运超限检测的效率。本文从以下几个方面开展研究工作。(1)设计并且构建了基于双激光雷达的铁路货运超限检测系统。根据系统的需求,设计了主控制器电路、电源稳压电路、以太网芯片电路及其相关电路。对超限检测系统中车轮传感器、激光雷达等做了选型。通过以太网TCP/IP协议完成激光雷达和上位机软件之间的通信。在系统试运行时,对激光雷达进行标定和校正,且完成相关参数的配置。(2)设计网络相机采集图像模块。在列车经过超限检测点时,由过车信号触发相机采集列车过车高清图像,并且存档在上位机上查看,上传图像数据到服务器,在Web端应用可以查看。(3)完成超限测量系统上位机软件的设计和实现。以Visual Studio 2017为开发平台设计基于C++语言的激光雷达上位机软件,实现了雷达参数设定、数据采集、解析雷达数据包、坐标转换、列车轮廓和超限限界轮廓以及扫描点轮廓的绘制等功能。算法优化方面,提出了针对雷达扫描点中离群点的剔除算法,结果表明能够较好地剔除离群点,降低了误报率。(4)完成检测系统数据库的设计,完成了基于Vue框架的Web前端用户界面。将检测数据接入前端应用,结合echarts图表进行可视化展示,方便用户查看超限作业情况,实现了超限测量和Vue前端框架的有机结合,具有很好的效果,界面友好,用户体验良好。本系统已投入铁路货运站使用,经实际的超限检测作业证明,基于激光雷达的超限检测系统稳定性好、漏报率低、精确度有保障。在恶劣的现场环境下仍能稳定的运行,极大的提升了超限检测效率,具有推广应用价值。

基于UWB与激光雷达的室内SLAM系统的设计与实现

这是一篇关于超宽带室内定位,即时定位与建图,非线性滤波器,激光雷达,机器人操作系统的论文, 主要内容为目前,随着人工智能不断向高度发达的方向迈进,移动机器人正成为先进成熟的生产力,在现实生活中承担着重要的作业任务,而接受这些任务的第一步,就是实现即时定位与建图(Simultaneous Localization and Mapping,SLAM)。移动机器人的智能化依赖于传感器感知系统,它不仅可以获取机器人自身状态和外部的环境信息,也可以为机器人自主导航和智能作业提供决策支持。本文根据系统的精度和实时性要求,对基于UWB与激光雷达的室内SLAM系统进行设计,采用低成本的超宽带(Ultra-Wideband,UWB)、磁力计和激光雷达,结合SLAM技术来实现室内高精度的地图构建。针对Gmapping算法对轮式里程计具有很强的依赖性,而轮式里程计由于位置漂移和误差累积等因素导致定位性能较差的问题,本文采用了UWB取代轮式里程计,并结合两段式SLAM算法建立室内小场景地图。其主要工作内容如下:(1)在综合比较扩展卡尔曼滤波器(Extended Kalman Filter,EKF)、粒子滤波器(Particle Filter,PF)和容积卡尔曼滤波器(Cubature Kalman Filter,CKF)三种非线性滤波器后,本文采用了CKF和集中式信息融合算法联合组成的基于TOA测距的定位算法来估计移动小车位置。(2)在已知移动小车位姿的基础上,将激光雷达的观测信息代入CKF得到路标点的位置坐标,并利用泰勒级数展开更新激光雷达的量测方程,之后采用基于概率的占用栅格算法进行建图,由此构成了两段式SLAM算法。(3)最后,在机器人操作系统(Robot Operating System,ROS)中通过实际场景下的SLAM实验,验证所采用的两段式SLAM算法与传统的Gmapping算法相比,在室内小场景建图的精度得到了较大提高。

基于马赫曾德鉴频器的多普勒测风激光雷达系统研究

这是一篇关于激光雷达,多普勒测风,马赫曾德干涉仪,小波变换的论文, 主要内容为风是地球大气因水平气压的梯度而运动形成。在大气科学和飞行器安全等方面,风的检测是大气科学和飞行器安全的一个重要指标。多普勒测风激光雷达是当今风速探测领域的主要研究方向,它具有高精度、远距离和高时空分辨率等优势,可以有效地检测和监测风速变化。多普勒激光雷达通过获取多普勒频移来获取风速,然而在探测过程中存在外界环境影响、回波光微弱难以提取等问题,存在系统探测信噪比低的不足。针对这些问题,本文以提高风速探测信噪比为目的,结合小波变换的信号处理方式与多普勒测风原理,设计了测风激光雷达系统,实现了对风速精确、稳定的探测,满足实际的工程需求。分析了激光与大气的相互作用原理,研究了激光雷达方程,基于多普勒测风原理和马赫曾德干涉仪的鉴频原理,结合了米散射与大气分子散射的特性,分析了干涉仪的最优光程差,提高了探测精度,为多普勒测风激光雷达系统的设计研究提供理论依据。研究系统的探测方法,提出了由光学收发系统、鉴频系统、信号采集系统与控制系统组成的多普勒测风激光雷达系统总体设计方法,分析了不同波长激光器对散射信号的影响,确定了激光器的波长为532nm,为实现结构小型化、零盲区接收回波信号,采用了面型为抛物面的反射镜作为大气散射光接收望远镜,设计了望远镜结构,利用了SOLIDWORKS软件对望远镜镜筒进行建模,实现了激光器与反射镜一体化的结构设计;设计了信号采集系统,完成了对光电探测器的设计,放大了大气散射光的微弱信号,完成了电源滤波电路的设计,减小了对光电转换信号的影响,利用Multisim软件,仿真分析了滤波电路中滤波器幅频特性并检测了其性能优劣,阐明了数据采集模块的工作原理,完成了硬件设计、FPGA逻辑设计与控制软件设计,实现了数据统计、实时计算与高效存储。建立了鉴频系统关键参数标定与实验系统模型,确定了臂长差为99.9mm与中心波长为532.09318nm,搭建了基于马赫曾德鉴频器的多普勒测风激光雷达系统;采取了小波变换去噪法对回波信号进行去噪处理,结果表明:半软阈值法处理后的信噪比(SNR)与软、硬阈值法处理相比均有所提高,SNR=4.9335;均方根误差(RMSE)均有所降低,RMSE=0.6762;利用激光雷达获得回波信号,从而计算反演了风速,计算了风速测量误差,实验结果表明:可见探测距离为200m～600m时,系统的径向风速测量误差为0.01m/s～0.05m/s,达到了探测要求。

北京和南京地区气溶胶特性对大气边界层高度影响的对比研究

这是一篇关于气溶胶,边界层高度,激光雷达的论文, 主要内容为大气边界层高度(PBLH)对云、对流以及大气污染的发展、演变起着重要作用。然而,长期连续测量大气边界层高度的试验较少,且不同区域背景下城市气溶胶理化特性对大气边界层高度的影响机理尚不明确。京津冀和长三角是中国两大城市群,北京和南京分别为京津冀和长三角区域的代表性城市,本研究分别在这两个城市进行了长期的大气—气溶胶—边界层—云综合观测实验,分析了不同地区大气边界层高度(PBLH)的变化差异以及PM2.5理化特性对大气边界层高度影响机制的差异。研究结果表明,北京大气边界层高度明显低于南京大气边界层高度,并且月变化趋势基本一致。对于夏季大气边界层高度,北京比南京平均低200m左右,而北京地区PM2.5质量浓度相比于南京较高。同时PM2.5质量浓度的日变化对的大气边界层高度日变化影响较大。大气边界层高度和PM2.5浓度之间存在很强的相互作用。PM2.5质量浓度的升高导致太阳辐射的减少抑制了大气边界层(PBL)的发展,这进一步抑制了低层气溶胶的汇聚,产生了较高的PM2.5质量浓度。研究结果表明,大气边界层高度与PM2.5质量浓度呈非线性反相关关系。PM2.5对大气边界层的演变表现出显著的影响。低PM2.5质量浓度条件下的白天大气边界层比高PM2.5质量浓度条件下的白天大气边界层发展更剧烈。对比两个地区各季节研究表明:春、冬季节的PM2.5质量浓度对大气边界层发展的影响更为敏感;而相比南京地区来说,北京地区的各季节大气边界层高度随PM2.5质量浓度变化更小,但相关性更高。通过对比分析两个地区散射性气溶胶质量浓度与黑碳(BC)浓度的比值r BC与大气边界层高度的关系得出:北京地区的散射性气溶胶相比BC来说对大气边界层高度的发展影响更大,而南京地区的气溶胶的化学组分对大气边界层的发展影响相对较小。