基于立体视觉的室外非结构化环境障碍物检测方法研究的中期报告.docxVIP

基于立体视觉的室外非结构化环境障碍物检测方法研究的中期报告 该研究旨在开发一种基于立体视觉的室外非结构化环境障碍物检测方法，在不同光照、天气及场景条件下实现高精度、实时的障碍物检测和分类。 在研究的前期，我们完成了以下工作： 1. 硬件平台搭建：搭建了一套基于激光雷达和立体相机的室外测量平台，用于采集室外场景的点云和立体图像数据。 2. 数据采集和处理：通过对采集到的数据进行处理，包括点云配准和立体图像匹配，实现了测量平台对室外环境的三维重建。 3. 障碍物检测算法选择：根据现有的相关文献调研，我们选择了一些常见的障碍物检测算法作为我们的候选算法，包括深度学习、传统图像处理、滤波器和算法集成等方法。 接下来，我们将针对现有问题进行深入研究和实验，具体包括： 1. 图像预处理算法改进：研究现有图像预处理算法在不同场景下的适用性，并进行改进，提高算法在低光照、雨雾等特殊天气和场景下的稳定性和鲁棒性。 2. 基于深度学习的障碍物检测算法研究：探索使用深度学习算法处理点云和图像数据的适用性，提高障碍物检测算法的准确性和实时性。 3. 多传感器数据融合算法研究：研究不同传感器数据融合算法及其效果，提高障碍物检测算法的精度和鲁棒性。 我们计划在接下来的时间里，进一步完善实验平台和数据集，并完成以上研究工作的实验验证和评估。