基于CNN激光雷达数据训练的动态数据产生机制研究开题报告
2020-05-02 17:08:18
1. 研究目的与意义（文献综述）
1.1目的与意义
无人驾驶汽车在增强道路安全、缓解道路拥堵、减小空气污染等领域带来的颠覆性改善，使其越来越受到国家和公司的重视。无人驾驶汽车的主要技术难点有环境感知、行为决策、运动控制三方面[1]，其中环境感知是最基础的部分，没有对车辆周围三维环境的定量感知，无人驾驶系统的决策与控制系统便无法工作，而障碍物检测又是环境感知的一个重要分支。目前用于障碍物检测的传感器主要有摄像头、毫米波雷达与激光雷达。激光雷达在测量精度和速度上表现更出色，同时可以获得深度信息，但是成本十分昂贵，且易受空气中悬浮物的干扰；摄像头成本低廉，但是受光线影响较大，单一摄像头获得的2d图像无法得到准确的距离信息[2]，多摄像头生成深度图的方法有需要很大的计算量[3]，不能很好满足实时性要求。可以看到基于深度学习的激光雷达障碍物检测逐渐成为近年来的研究热点。
2. 研究的基本内容与方案
2.1研究的基本内容与目标
论文主要内容包括：
3. 研究计划与安排
| 周次 | 工作内容 | 提交内容（阶段末） |
| 第1-3周 | 思路构思、文献检索、完成开题报告等 | 文献检索、开题报告、外文翻译 |
| 第3-4周 | 激光雷达障碍物检测算法总结 | PointNet模型代码 |
| 第4-6周 | 少量数据训练防止过拟合方法总结 | 总结报告、相应代码 |
| 第6-8周 | 大量数据训练优化算法总结 | 总结报告、相应代码 |
| 第8-10周 | 进行数据训练实验 | 实验报告 |
| 第10-12周 | 撰写毕业论文 | 毕业论文 |
| 第13周 | 学生提出答辩申请，并作答辩准备 教师审阅论文 | 毕业设计资料 |
4. 参考文献（12篇以上）
[1] 刘少山. 第一本无人驾驶技术书[m]. 北京:电子工业出版社, 2017. 21-21
[2] 徐红宾. 基于单目视觉的无人车障碍物识别技术研究[d]. 大连理工大学, 2014.
[3] 齐小燕. 基于双目立体视觉v-视差法障碍物检测算法研究与实现[d]. 东北大学, 2010.
