-
题名二维激光雷达数据角点特征的提取
被引量：3
- 1
-
-
作者
康俊民
赵祥模
杨荻
-
机构
西安外国语大学经济金融学院
长安大学信息工程学院
西安外国语大学商学院
-
出处
《交通运输工程学报》
EI
CSCD
北大核心
2018年第3期228-238,共11页
-
基金
高等学校学科创新引智计划项目(B14043)
-
文摘
为增强无人车识别行驶环境中角点特征的鲁棒性,并提高角点特征的识别速度,基于观测点的二变量正态概率密度映射之间的相对差值,提出了一种角点特征提取方法;将观测数据组映射到二变量正态概率密度空间,获得每个观测点的映射;对映射结果进行归一化,消除协方差引起的数值差异;在映射数值曲线中寻找波峰与波谷的位置,波峰对应的观测点最接近均值点,波谷对应的观测点最接近拐点;利用波峰和波谷的相对高度判定该组观测数据是否符合角点特征的边长要求;用波谷对应的原始观测数据点坐标作为角点特征,构建环境特征地图。试验结果表明:提取方法能够处理观测点数大于63,观测点角度分辨率大于1°的稀疏观测数据,在大尺寸室外环境和室内环境中,提取方法都能够稳定识别大型角点;对小于180个点的观测数据,最大处理时间小于5ms,平均处理时间小于1.9ms,提取方法减少了构建环境特征地图的时间;提取方法依据观测数据的二变量正态概率密度提取角点特征,对观测误差和角点特征的尺度与形状不敏感,能够有效提高角点特征的识别鲁棒性。
-
关键词
信息工程
无人车
激光雷达
同步定位与地图构建
二变量正态概率密度
特征提取
-
Keywords
information engineering
unmanned vehicle
lidar
simultaneous localization and mapping
bivariate normal probability density
feature extraction
-
分类号
U491.5
[交通运输工程—交通运输规划与管理]
-
