科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对由交通锥桶引导的临时道路，提出一种改进Delaunay三角剖分算法，实现该特殊场景下的道路检测。使用YOLOv4算法对图像中的交通锥桶目标进行识别，并融合图像信息与激光雷达获取的交通锥桶点云信息，对融合后的交通锥桶信息进行Delaunay三角剖分，提出一种Delaunay三角网滤波算法与局部优化策略，根据路况变化实现Delaunay三角网权重与损失值的实时计算，有效滤除损失值总和不满足条件的三角边，算法减少了Delaunay三角网内的噪声约束，有效实现车道线与可行驶路径的快速规划与实时更新。实车实验结果表明：该算法平均耗时35.4 ms,所检测路径绝对轨迹误差为0.2 m、准确率为97%,相比传统Delaunay三角剖分算法，改进后的算法满足实时性要求，降低了路径检测误差，提高了路径检测准确率。
