针对现有环境感知模块的目标识别算法在实际应用中误识、漏识等问题,通过搭建基于激光雷达的测评系统,并根据场景重构的结果完成对其他类型感知模块的评测。该测评系统通过增加后处理算法,对激光雷达感知模块的数据进一步优化处理,有效提升环境重构范围及各类目标标注的准确率,提升其作为测评系统的评测能力和置信度。 汽车技术邢雨，等：基于激光雷达感知的场景重构方法研究GPS设备与惯性测量单元（InertialMeasurementUnit，IMU），如图2所示。图1设备安装部署示意（a）4线激光雷达（b）SICK激光雷达（c）工业控制计算机等设备图2硬件平台实物3数据处理流程对场景进行重构的核心环节是对关键环境要素进行重建。激光雷达感知-数控滚圆机滚弧机张家港电动液压滚圆机滚弧机折弯机通过追加后处理算法，对激光雷达环境感知模块收集到的周边环境点云进行处理与验证，最终通过比对分析对结果进行完善，具体处理过程为：a.点云类别判定。本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name采集系统中融合了多种传感器，因此需要对不同传感器收集到的数据进行判定，根据点云所属设备特性进行相应的后处理。例如，不同的激光雷达会对不同高度的目标进行扫描和感知，它们分别负责扫描对应的高度层，这些高度信息对于之后的筛选和聚类具有非常重要的意义。同时，点云不具有速度信息，所以若想要判别对应目标的运动属性，需要对比不同帧中同一目标对应点云的位置。b.点云筛眩在实际使用过程中，并非所有点都会参与到后续的处理过程中，因此应首先根据范围和相应的条件，剔除不符合需求的点，获取较为纯净的点云。例如，因系统中融合了SICK雷达，因此在对地面要素进行提取的过程中，将重点采用此设备所收集到的点云数据，而不再需要其他激光雷达的辅助。c.点云聚类。通过DBSCAN算法对环境感知模块初步处理后的点云数据进行二次聚类，重点处理其未聚类的点云，从而提高聚类精度并获得更为详细的物体数量与位置。例如，大型车辆点云处理过程中，在第1次聚类时，只会将部分点云聚类成一个物体，会出现将一个物体的点云聚类成多个物体以及剩余点云的情况，针对这种情况，二次聚类时进行碰撞检测并聚类，最终激光雷达感知-数控滚圆机滚弧机张家港电动液压滚圆机滚弧机折弯机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name