摘要
无人平台自主运行等功能的实现高度依赖感知模块所获取的环境信息，环境感知的精确与否是无人平台能否安全运行的重要影响因素，而障碍尺寸和斜坡地形检测又是无人系统环境感知的重要组成部分。目前针对障碍信息检测的研究，一般是划分障碍类别，很少有针对障碍尺寸检测的研究；虽然存在基于三维点云聚类算法检测障碍信息，但检测误差较大。目前针对斜坡地形坡度检测的研究：一般采用双目图像匹配的方法，数据运算量大、实时性较差；或基于三维点云拟合坡面方程解算斜坡坡度。上述方法检测的是斜坡相对坡度，很少考虑平台自身姿态信息。鉴于目前研究存在的不足，本文采用相机、IMU（InertialMeasurementUnit）和三维激光雷达等环境感知设备，主要研究了以下内容： 首先，为解决基于三维点云聚类方法检测障碍尺寸误差较大的缺陷，提出一种基于三维点云和图像融合的障碍信息检测算法。针对点云数据处理，设计了基于射线的地面点云滤波算法并改进欧式点云聚类算法。结果表明，相较于原始聚类算法，聚类效果显著提升。在点云聚类的基础上，基于联合标定结果，将聚类点云投影到图像成像平面，经图像处理获取障碍像素差值信息。基于单一像素和障碍物尺寸之间的比例关系计算障碍尺寸。结果表明，所提融合算法针对障碍尺寸检测误差不高于3.4%。 其次，为了弥补RANSAC坡面拟合算法检测斜坡地形的缺陷、提升坡度检测精度，提出一种融合三维点云、IMU、图像数据的斜坡地形检测算法。首先，联合标定IMU、相机并基于相机、激光雷达之间的标定结果，获取任意传感器之间的坐标关系。针对斜坡坡度检测问题，提出基于三维点云、IMU融合的斜坡坡度检测算法：通过分析坐标转换关系，将三维点云数据转换到IMU水平坐标系下，基于IMU数据、三维点云坡面拟合算法计算斜坡坡度。在获取斜坡坡度基础上，基于Lab颜色空间提取斜坡区域，综合斜坡坡度和经图像提取的斜坡区域，判别斜坡可通行性。结果表明，所提方法针对斜坡坡度检测误差在3.53%以内。 最后，运用本文所提算法进行了室内外障碍、斜坡地形检测试验，结果表明，相较于单一传感器检测方法，所提融合算法检测效果显著提升，针对障碍尺寸、斜坡坡度检测的误差均小于4%。
NETL