摘要: 露天煤矿矿卡行驶环境复杂,传统自动驾驶车辆障碍物检测方法在光照不均匀、遮挡等场景下存在漏 检、实时性差等问题,无法满足煤矿自动驾驶矿卡行驶需求。针对以上问题,提出了一种基于16 线激光雷达与Realsense D435 深度相机融合的煤矿自动驾驶矿卡前障碍物检测算法。首先,建立雷达与相机坐标转换模型,利用深度 学习方法对雷达与相机所采集的数据分别进行目标检测;其次,利用最近邻匹配算法建立目标中心点匹配模型,引入 多维二叉树(K-Dimension-Tree)模型提高中心点匹配效率,融合2 种传感器的检测结果;最后,将融合结果择优输出, 作为最终目标检测结果。通过数据集KITTI 实际道路测试验证所提算法,并采用露天煤矿矿卡行驶场景数据进一步 进行了方法测试。研究表明:基于激光雷达与相机融合的矿卡车前障碍物检测算法与传统障碍物检测方法相比漏检 目标数减少90%,误检数减少30%,每秒传输帧数(FPS)提升到30 帧/ s;该方法在准确率、实时性方面满足实际行驶 要求,有助于露天矿卡自动驾驶技术的推广应用。