论文部分内容阅读
本课题以无人驾驶车自主环境感知系统背景，研究了基于激光点云数据的典型室外环境下的人和车的识别问题。研究内容主要分为三个部分：激光点云数据的预处理，基于局部特征的三维目标识别，基于二维特征的三维目标识别。论文的主要工作如下： 首先，针对实际采集的激光点云数据质量较差问题，提出了SR+MLS和SR+EAR的组合滤波方法，得到比较好的处理效果。为了对原始数据以及不同方法处理后的数据进行对比分析，提出了几项点云质量评价指标，对结果进行了定量分析。 然后，研究了基于局部特征的3d目标识别算法。首先，针对没有合适的数据集进行算法验证的问题，使用Blender软件来创建模型和场景点云数据集。其次，研究并分析ISS3D特征点提取，局部参考系创建，RoPS和SHOT局部特征描述子，特征匹配及识别等目标识别子部分；然后，针对单一描述子描述能力不足的问题，提出描述子融合的方法，最后仿真结果验证了所提出的方法的合理性和有效性。 最后，研究了基于二维特征的3d目标识别，提出将3D点云投影到2D平面提取二维特征来进行目标识别。首先，将三维点云数据投影到二维空间；其次，在二维空间将投影点云进行二值化；然后，使用二维图像的描述符对点云进行特征描述。最后实验结果表明，使用点云二维特征进行三维目标分类识别具有可行性。