1.1 研究目的

本课题的名称为智能船舶环境感知系统关键技术研究，即针对智能船舶在

航运时，对周围信息进行采集分析处理的过程中的关键技术进行研究。

水路运输是我国交通运输产业的重要组成部分，船舶智能化可以有效提高运输的效率，减少人力与物力的浪费，而环境感知一直是智能船舶驾驶中的关键问题。对于人眼而言，判断障碍物及通航状况并不是一件难事，但是对于计算机而言，采集到的信息仅仅是数值矩阵^[17]，我们需要利用计算机采集信息并对周围事物作出判断，并且由于不同环境中的复杂状况和障碍以及各种通航条件的限制，计算机获得的数值也含有很多噪声，给下一步数据处理带来困难，因此环境感知仍然是一项具有挑战性的任务。

随着机器视觉、雷达传感器、激光传感器等传感技术的进步，大量的传感器开始被应用于智能感知系统中。用于智能感知的设备主要有毫米波雷达、激光雷达等三维传感器，以及摄像头等单目传感器。现在已经有许多基于单目图像的道路环境感知方法。与其他传感器相比，单目可见光摄像机便宜得多，因此可以得到广泛的应用。

而三维传感器具有很多优点，比如他们可以提供三维结构信息，并且对光照条件的变化具有较强的鲁棒性。然而，他们也有一些弱点。例如，立体视觉传感器对环境中的噪声和物体运动非常敏感，而激光雷达仅能提供稀疏的远距离物体数据，且没有色彩信息，这不利于探测复杂的航行区域。而摄像头和前列两种雷达相比，优点在于分辨率更高，且有别与只能生成灰度图像的雷达，相机能够提供彩色图像，给出纹理等信息，有助于系统判断障碍物类型。它的缺点就在于受环境影响程度较大，而且图像的稳定性较差。因此，在船舶航行中融合不同传感器的数据对于障碍物、航道等的判断将更加准确可靠。

因此，通过激光雷达图像与彩色摄像机图像的融合,可以实现三维真彩色成像,有利于三维图像的利用和处理。

本课题对激光雷达三维点云以及图像融合的相关基础理论知识进行学习，了解激光雷达及其点云数据的处理方法，并对国内外的单一传感器环境感知方法、多传感器融合的优缺点进行研究与比较，最终选择一种或多种合适的方法来进行激光雷达与摄像机图像的融合实验，对结果进行分析比较。

1.2 国内外研究现状分析

现在已经有许多基于单目图像的道路环境感知方法。与其他传感器相比，单目可见光摄像机便宜得多，应用较为广泛。目前，随着三维传感器的快速发展，越来越多的道路检测方法以立体视觉或激光测距仪为基础。例如Kinect，一款能够提供深度图像，并且价格便宜的三维传感器，它利用视差原理来求取深度，但是探测范围较小，且容易受环境光影响，因此它被广泛用于室内场景，而不适用于开阔的室外环境。另一方面，在室外场景中，最常见的三维传感器是激光检测和测距（激光雷达），例如用于google无人车的Velodyne HDL-64E（Velodyne LIDAR，USA）。这种传感器可以提供点云形式的三维距离数据，其最大范围为60-80米。激光雷达利用激光束探测目标，在激光雷达的内部，每一组组件都包含一个发射单元与接收单元，以此获得数据并生成精确的数字高程模型。与探测距离有限的毫米波雷达相比，激光雷达的优势就在于其探测的范围更广，且精度更高，更加适合于船舶航行这种较为开阔，对距离要求较高的应用场景。