摘要
针对由交通锥桶引导的临时道路,提出一种改进Delaunay三角剖分算法,实现该特殊场景下的道路检测.使用YOLOv4 算法对图像中的交通锥桶目标进行识别,并融合图像信息与激光雷达获取的交通锥桶点云信息,对融合后的交通锥桶信息进行Delaunay三角剖分,提出一种Delaunay三角网滤波算法与局部优化策略,根据路况变化实现Delaunay三角网权重与损失值的实时计算,有效滤除损失值总和不满足条件的三角边,算法减少了Delaunay三角网内的噪声约束,有效实现车道线与可行驶路径的快速规划与实时更新.实车实验结果表明:该算法平均耗时35.4 ms,所检测路径绝对轨迹误差为0.2 m、准确率为97%,相比传统Delaunay三角剖分算法,改进后的算法满足实时性要求,降低了路径检测误差,提高了路径检测准确率.
基金项目
国家基础加强计划(2021JCJQJJ0022)
国家基础加强计划(MKF20210009)
促进内涵发展科研水平提高项目(2020KYNH112)
国家科技期刊平台
NSTL
万方数据