Research and verification on road recognition in the field

野外环境中的道路识别技术在灾难救援、军事应用、野外科学考察等领域具有很强的应用前景，现有技术通常只将非结构化道路分成可行区域与非可行区域，而忽视道路本身结构造成的不同道路区域具有不同可通过性。本文主要对非结构化道路的识别问题展开研究，主要完成的工作如下： （1）研究道路模型、车身振动模型，提出将道路不平度作为衡量道路可通过性指标。通过对多自由度简化车身模型的matlab，simulink/car仿真实验，验证该指标的正确性； （2） 研究图像特征提取方法。针对路面不同区域道路不平度不相同的情况，首先对图像进行超像素分割，使得每个超像素内像素颜色、纹理趋于一致，统计每个超像素内所有物理像素的灰度均方根值、面积/周长比、灰度均值、Hue均值、在图像中的高度均值等作为图像中衡量道路不平度的依据； （3） 研究道路不平度特征测量方法。依靠现有设备，分别对使用差分组合导航系统融合激光点云、使用里程计+ICP算法融合激光点云、使用单帧点云测量道路不平度三种方法进行比较，最终确定不进行点云融合只使用单帧点云对道路不平度进行测量； （4） 搭建实验台架，研究激光雷达与相机坐标系之间六自由度标定算法，采集实验数据，使用处理后的数据训练BP神经网络并验证道路提取效果； （5）针对野外环境下蚊虫干扰问题研究经典中值滤波、极值中值滤波、基于排序阈值开关的中值滤波、极大/中值滤波等算法，进行仿真实验，并通过主客观方法评价方法，得到基于排序阈值开关的中值滤波能够取得较好滤波效果的结论