使用PCL实现的欧几里德聚类ROS节点，配合地面过滤可实现较为理想的激光雷达障碍物检测亲测好用，大家快来下载吧，挺不错的一个资源哦！！

基于深度相机实现的障碍物检测。基于深度相机实现的障碍物检测。基于深度相机实现的障碍物检测。基于深度相机实现的障碍物检测。基于深度相机实现的障碍物检测。

障碍物检测是智能车辆环境感知技术结构中的重要内容，也是实现辅助驾驶功能的前提。文章介绍了车辆障碍物检测所需不同类型传感器的特点，分别重点阐述了基于电磁波信息、图像信息和多信息融合的障碍物检测技术，论述了采集和处理信息的主要技术手段与算法，为智能车辆的开发和发展提供参考。

激光雷达点云障碍物检测。激光雷达点云障碍物检测。激光雷达点云障碍物检测。激光雷达点云障碍物检测。激光雷达点云障碍物检测。

基于激光雷达和视觉融合的无人扫地车前方障碍物检测技术研究_羊杰.caj

首先，介绍了系统工作的原理，激光网格的两个主要作用是区域划分和尺寸测 量。为了实现这两个作用，研究了激光网格的标定和捕捉。而其捕捉通过鱼眼摄像 头实现，因此，研究了相机模型、畸变模型和相机的标定方法。 其次，研究了基于激光网格的图像处理方案，由于激光网格带来的图像分割和 轮廓增益的效果，简化了图像处理的过程。主要研究的算法包括图像的畸变矫正、 图像的鸟瞰变换、图像的预处理和图像的分割与特征提取。 然后，分析了现实生活中的泊车场景，对泊车位和障碍物的类型进行了整理。 研究了泊车位和障碍物识别的方法，针对本文所提出的基于激光装置的视觉方案 的特性，分别对障碍识别、有车位线标识和无车位线标识这两类车位识别进行了分析。 最后，设计了自动泊车系统的架构，提出了视觉处理器的图像处理策略，通过 模拟真实泊车场景进行了泊车位识别和障碍物识别实验，并对不同类型的障碍物 实验进行了分析。实验结果表明，该方案能够很好的实现车位中和路径中障碍物的 识别，并能有效的解决障碍物和环境背景颜色相近似这一难题。

研究道路图像分割问题。针对现有的基于消失点约束的道路图像分割方法过于依赖道路的边缘特征，导致容易出现过分割的问题，提出一种融合道路纹理、路面与非路面颜色特征提高道路图像分割精度的方法。算法基于消失点约束的直线道路模型，将道路分割转换为贝叶斯后验概率密度估计问题。该算法利用方向一致性比例来描述道路的纹理特征，及通过非线性转换函数及自监督策略计算图像像素与“路面”像素的相似性，凸显出图像中的路面区域，以此作为路面与非路面视觉特征测量的概率原型。算法利用了纹理、路面与非路面颜色三种视觉特征各自的优点，通过最大化贝叶斯后验概率密度估计分割出路面。通过与无监督或半监督道路分割研究领域最具代表性的方法进行比较，实验结果表明本文方法的精度更高。究基于双目视觉的道路场景三维重建与障碍物检测技术。光照变化、视差不连续、遮挡及弱纹理区域歧义匹配，以及实时性和资源消耗等是目前面向智能车辆的双目视觉算法所存在的主要问题。虽然在某一方面国内外研究已经取得了丰硕的成果，但是目前还没有相关研究能在保证系统精度与实时性的前提下综合性地解决好以上几个难题

使用PCL实现的欧几里德聚类ROS节点，配合地面过滤可实现较为理想的激光雷达障碍物检测 使用PCL实现的欧几里德聚类ROS节点，配合地面过滤可实现较为理想的激光雷达障碍物检测

无人驾驶车辆运动障碍物检测预测和避撞方法研究，较新的关于无人驾驶方面的论文研究成果，值得参考

基于MATLAB实现的激光雷达点云分割和障碍物检测。基于MATLAB实现的激光雷达点云分割和障碍物检测。基于MATLAB实现的激光雷达点云分割和障碍物检测。基于MATLAB实现的激光雷达点云分割和障碍物检测。