摘要
本论文主要研究了一种基于相机与激光雷达的炼钢车间的目标检测系统，以提高天车在复杂环境下的定位和跟踪能力。系统中首先通过相机与激光雷达对炼钢车间内的环境进行数据采集，通过Yolov5深度学习检测网络对炼钢车间的天车进行实时检测，同时对点云进行目标检测，然后对信息进行融合，最终实现目标跟踪及定位。论文研究的主要方向包括： （1）设计系统的总体方案，分别从硬件与软件进行系统架构，并根据实际需求进行传感器的选型。 （2）研究相机的内参标定以及相机和激光雷达进行联合标定方法，为信息融合奠定基础。 （3）基于Yolov5模型对图像进行天车的目标检测跟踪，并根据现场情况建立数据集，模拟各自工况环境，为训练的模型增加鲁棒性。 （4）先对点云基于深度图进行点云分割，再基于CVFH描述子对点云中天车进行目标识别，系统还对天车吊钩的3维数据进行同步的定位跟踪，并对吊钩的定位与天车的定位用卡尔曼滤波进行数据融合，优化了对天车的定位精度。 （5）对基于相机的目标检测结果与基于激光雷达的目标检测结果进行融合，并根据现场情况设计融合策略。 实验结果表明该目标检测定位系统在准确率、检测速度、定位精度等方面都由很好的表现，与单一传感器系统相比，本系统能够充分利用多传感器的优势，以提高天车在复杂环境下的定位精度和鲁棒性。 本论文研究了包括YoloV5模型、深度图点云分割、CVFH描述子点云识别、卡尔曼滤波数据融合，相机与激光雷达融合技术这些关键技术，通过这些关键技术的研究研究出来的新型的天车定位系统为炼钢车间天车的精细化管理和智能化运作提供了重要辅助作用，对于炼钢企业的物料跟踪管理和生产效率提升具有重要的实际意义。
NETL