基于高精度3D數(shù)據(jù)的自動駕駛車輛行人檢測的機(jī)器學(xué)習(xí)方法

基于高精度3D數(shù)據(jù)的自動駕駛車輛行人檢測的機(jī)器學(xué)習(xí)方法

介紹了一種基于傳感器系統(tǒng)的用于檢測自動駕駛車輛行駛中行人的方法。對由Velodyne HDL-64E LIDAR激光雷達(dá)生成的信息進(jìn)行處理。通過將機(jī)器視覺和機(jī)器學(xué)習(xí)算法結(jié)合起來，并對由傳感器生成的點云進(jìn)行處理,以檢測行人。采用了鄰近算法kNN、樸素貝葉斯分類器NBC和支持向量機(jī)SVM的3種不同機(jī)器學(xué)習(xí)算法，并對其性能進(jìn)行了分析。將上述算法用1931個樣本進(jìn)行了培訓(xùn)，然后用包含16個行人的立體模型和469個非行人樣本的真實交通場景進(jìn)行測試，最后獲得其靈敏度、準(zhǔn)確度和特異性，并由此選擇最佳算法。

研究了由傳感器產(chǎn)生的高精度3D范圍數(shù)據(jù)在自動駕駛車輛行人檢測中的應(yīng)用。研究結(jié)果表明：①構(gòu)建機(jī)器學(xué)習(xí)算法時，需要設(shè)置出用于區(qū)分行人和周圍環(huán)境中其它物體的特征向量。點云樣本的軸側(cè)投影用于創(chuàng)建二值圖像，從而能夠使用計算機(jī)視覺算法來計算部分特征向量。而其特征向量由3種特征組成：形狀特征、不變矩特征和雷達(dá)反射性統(tǒng)計特征。②對3種不同機(jī)器學(xué)習(xí)算法（具有歐幾里德和馬哈拉諾比斯距離的kNN、具有高斯和KSF功能的NBC和具有線性和二次函數(shù)的SVM）的性能進(jìn)行了分析。分析結(jié)果表明，SVM最好。③傳統(tǒng)的機(jī)器視覺是使用攝像機(jī)進(jìn)行人體檢測，但這些技術(shù)受到照明條件變化的影響。而3D激光雷達(dá)技術(shù)能夠提供更準(zhǔn)確的數(shù)據(jù)，可以成功地用于檢測任何類型照明條件下的行人。機(jī)器學(xué)習(xí)算法在無人駕駛車輛導(dǎo)航應(yīng)用中具有高成功率和可擴(kuò)展性。

未來研究工作可以增加點云樣本的數(shù)據(jù)庫，以及創(chuàng)建能夠檢測場景中其它重要物體（如自行車、汽車、交通標(biāo)志和燈光等）的學(xué)習(xí)機(jī)。對傳感器的融合也非常重要。還可開發(fā)可并行化代碼，以增加算法的速度。

刊名：Sensors（英）

刊期：2017年第1期

作者：Navarro P J et al

編譯：陳少帥