車載LiDAR點云中的車輛自動檢測技術(shù).pdf

1、交通需求的增長使得道路安全問題日益嚴重，道路信息的提取對安全監(jiān)測的作用日趨明顯。車輛作為道路信息的重要組成部分，準確的提取特征尤為關(guān)鍵。車載激光雷達（Light Detection And Ranging，LiDAR）為車輛特征的提取提供了精確的點云數(shù)據(jù)，然而目前的物體自動分類智能化程度較低，因此研究一種自動檢測技術(shù)對于提高點云中車輛提取的速度及準確度具有十分重要的意義。
　　本文以車載LiDAR點云數(shù)據(jù)中車輛自動檢測為目的，介紹

2、了LiDAR數(shù)據(jù)獲取原理、數(shù)據(jù)掃描及存儲方式等基本技術(shù)理論，對車輛具體特征提取以及分類方法進行分析與研究。通過對數(shù)據(jù)集進行分段并使用曲面生長法以及連通區(qū)域分析，在移除地面點的同時將無規(guī)則的非地面點組合成相應(yīng)部件；隨機選取路段手動添加標簽作為標準并用于結(jié)果評價；針對車輛的具體特點，將特征分為三類：情景特征、幾何特征和其他特征。其中，情景特征重點考慮車輛的位置，幾何特征重點考慮車輛的大小、密度、最低高度、車輛的高度以及面積，其他特征主要包含

3、物體的特征值、基于特征值的 LiDAR特征、基于隨機抽樣一致算法的特征值以及反射信息，以此形成特征表用于分類；采用正向選擇與后向選擇兩種特征選擇方式對特征表中的特征進行選擇，同時結(jié)合貝葉斯線性判別分類器和線性支持向量機兩種分類器分別對所有車輛和靜態(tài)車輛進行檢測；通過將點云所獲取位置的圖像以及最初所得的標準作為評價依據(jù)，分別計算完整度、正確度以及整體準確度并對比車輛與其他物體的檢測程度對車輛最后檢測的結(jié)果進行量化分析。
　　論文以荷