多传感器融合的割草机器人障碍物检测方法

来源：江苏大学学报·自然科学版杂志2024年第2期北京时间：

作者：李忠利1,马理想2,韩冲2,王帅2

单位：（1. 河南科技大学 河南省汽车节能与新能源重点实验室, 河南 洛阳 471003； 2. 河南科技大学 车辆与交通工程学院, 河南 洛阳 471003）

摘要：为了提高割草机器人自主作业时的环境感知能力,提出一种基于相机和低成本固态激光雷达融合的障碍物检测方法.首先,基于改进的DBSCAN聚类算法,得到一种可自适应确定聚类参数的KANN-DBSCAN算法,利用该算法对固态激光雷达采集到的三维点云聚类分析,得到障碍物点云并通过相机和固态激光雷达联合标定结果投影到二维图像上；其次,基于SSD目标检测网络完成障碍物样本训练,并对图像信息进行检测识别；最后,为了避免因光线不足或远距离雷达点云稀疏聚类困难,导致视觉或雷达检测性能受限,提出一种优势互补的目标级信息融合策略.试验结果表明：所提信息融合策略在融合两传感器检测结果的基础上,有效避免了环境条件改变单一传感器检测性能受限时,环境感知出现的漏检和误检,经过信息融合后的障碍物综合检出率约为87.5%,相较于单一传感器具有很大的提高,使环境感知信息更加全面可靠.

关键词：割草机器人, 固态激光雷达, KANN-DBSCAN聚类算法, SSD目标检测, 目标级融合

基金资助： 拖拉机动力系统国家重点实验室开放课题（SKT2021005）