本文關(guān)鍵詞：智能車(chē)輛近場(chǎng)物體探測(cè)及其狀態(tài)識(shí)別方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：對(duì)于先進(jìn)駕駛輔助系統(tǒng)或者無(wú)人駕駛汽車(chē)來(lái)說(shuō),感知或者理解車(chē)輛周?chē)沫h(huán)境是非常重要的環(huán)節(jié)。判斷車(chē)輛周?chē)系K物的動(dòng)靜態(tài)屬性是至關(guān)重要的。廣泛來(lái)說(shuō),環(huán)境感知包括:獲取靜態(tài)障礙物的相對(duì)位置,獲取主車(chē)在地圖中的位置,探測(cè)動(dòng)態(tài)障礙物并獲取相關(guān)屬性(位置,速度,運(yùn)動(dòng)方向等)。本文主要研究智能車(chē)輛近場(chǎng)物體的探測(cè)及其狀態(tài)識(shí)別方法。主要解決了近場(chǎng)物體探測(cè),目標(biāo)運(yùn)動(dòng)狀態(tài)識(shí)別,搭建實(shí)車(chē)實(shí)驗(yàn)平臺(tái)及仿真實(shí)驗(yàn)平臺(tái)與算法驗(yàn)證:1、研究了采用多個(gè)單線激光雷達(dá)進(jìn)行近場(chǎng)環(huán)境感知中的障礙物探測(cè)問(wèn)題,介紹了障礙物檢測(cè)中常用的聚類(lèi)分析算法,對(duì)比分析了DBSCAN(Density-Based Spatial Clustering of Applications with Noise,具有噪聲應(yīng)用的基于密度的空間聚類(lèi))算法,K-means算法以及ABD(Adoptive Breakpoint Detection,自適應(yīng)距離閾值)算法。然后介紹了多傳感器數(shù)據(jù)融合的基本理論,融合框架,融合等級(jí)和融合算法。最后進(jìn)行了方案選擇,為了提高障礙物檢測(cè)的準(zhǔn)確性,本文提出的障礙物檢測(cè)算法是采用雷達(dá)數(shù)據(jù)的矢徑長(zhǎng)度,矢徑長(zhǎng)度變化率以及雷達(dá)數(shù)據(jù)編號(hào)進(jìn)行聚類(lèi),通過(guò)三個(gè)不同的物理量來(lái)區(qū)分出不同的物體,使得探測(cè)結(jié)果更加準(zhǔn)確,而且還能分辨出障礙物的動(dòng)靜態(tài)屬性。在聚類(lèi)過(guò)程中采用了標(biāo)準(zhǔn)化歐氏距離來(lái)統(tǒng)一這三個(gè)不同的物理量。這種障礙物檢測(cè)算法不僅可以用于單線激光雷達(dá),還可以用于多線激光雷達(dá)。然后提出了本文基于特征級(jí)多傳感器數(shù)據(jù)融合算法的障礙物探測(cè)架構(gòu)。2、研究了動(dòng)態(tài)障礙物的目標(biāo)運(yùn)動(dòng)狀態(tài)估計(jì)問(wèn)題,介紹了跟蹤門(mén)的概念以及常用的兩種跟蹤門(mén)、矩形跟蹤門(mén)、橢圓形跟蹤門(mén)。然后介紹了最近鄰法、概率數(shù)據(jù)關(guān)聯(lián)法、聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)法和多假設(shè)跟蹤法四種數(shù)據(jù)關(guān)聯(lián)算法,卡爾曼濾波、α-β濾波和粒子濾波三種濾波估計(jì)算法以及勻速模型、勻加速模型、Singer模型以及“當(dāng)前”統(tǒng)計(jì)模型四種運(yùn)動(dòng)模型。最后進(jìn)行了方案選擇:出于對(duì)實(shí)時(shí)性的考慮,選擇了矩形跟蹤門(mén)和最近鄰法對(duì)目標(biāo)進(jìn)行關(guān)聯(lián)匹配,然后通過(guò)建立基于“當(dāng)前”統(tǒng)計(jì)模型的自適應(yīng)卡爾曼濾波算法來(lái)對(duì)目標(biāo)運(yùn)動(dòng)狀態(tài)進(jìn)行估計(jì)。3、搭建了近場(chǎng)物體探測(cè)及其運(yùn)動(dòng)狀態(tài)識(shí)別的仿真和實(shí)驗(yàn)平臺(tái)。采用CARSIM-SIMULINK聯(lián)合仿真對(duì)目標(biāo)運(yùn)動(dòng)狀態(tài)識(shí)別算法進(jìn)行仿真驗(yàn)證。然后用搭載了四個(gè)HOKUYO-UTM-30LX單線激光雷達(dá)的奧迪Q5智能車(chē)進(jìn)行了實(shí)車(chē)實(shí)驗(yàn)驗(yàn)證,對(duì)近場(chǎng)障礙物探測(cè)算法和目標(biāo)運(yùn)動(dòng)狀態(tài)估計(jì)算法進(jìn)行了驗(yàn)證。經(jīng)過(guò)20次實(shí)車(chē)實(shí)驗(yàn)表明本文提出的近場(chǎng)障礙探測(cè)算法對(duì)動(dòng)態(tài)障礙物檢測(cè)的準(zhǔn)確率可以達(dá)到100%,對(duì)靜態(tài)障礙物的檢測(cè)的準(zhǔn)確率可以達(dá)到90%左右�；凇爱�(dāng)前”統(tǒng)計(jì)模型的自適應(yīng)卡爾曼濾波算法對(duì)實(shí)際道路上行駛的汽車(chē)能夠很好的估計(jì)其位置,速度以及加速度。
【關(guān)鍵詞】：智能車(chē) 物體探測(cè) 狀態(tài)估計(jì) 多傳感器信息融合
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：U495;U463.6
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 緒論11-17
• 1.1 課題提出11-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-15
• 1.2.1 國(guó)內(nèi)外障礙物探測(cè)算法研究現(xiàn)狀13-15
• 1.2.2 國(guó)內(nèi)外目標(biāo)運(yùn)動(dòng)狀態(tài)識(shí)別算法研究現(xiàn)狀15
• 1.3 本文主要內(nèi)容及章節(jié)安排15-17
• 第二章 近場(chǎng)物體探測(cè)17-37
• 2.1 引言17
• 2.2 聚類(lèi)算法17-23
• 2.2.1 K-means聚類(lèi)18-20
• 2.2.2 DBSCAN聚類(lèi)20-22
• 2.2.3 ABD算法22-23
• 2.2.4 歐氏距離23
• 2.3 多傳感器信息融合23-34
• 2.3.1 數(shù)據(jù)融合的級(jí)別24-26
• 2.3.2 通用處理結(jié)構(gòu)26-28
• 2.3.3 多傳感器數(shù)據(jù)融合算法28-34
• 2.4 近場(chǎng)物體探測(cè)方案設(shè)計(jì)34-35
• 2.5 本章小結(jié)35-37
• 第三章 近場(chǎng)物體運(yùn)動(dòng)狀態(tài)識(shí)別37-53
• 3.1 引言37
• 3.2 跟蹤門(mén)37-40
• 3.2.1 橢圓跟蹤門(mén)38-39
• 3.2.2 矩形跟蹤門(mén)39-40
• 3.3 數(shù)據(jù)關(guān)聯(lián)算法40-44
• 3.3.1 最近鄰算法40
• 3.3.2 概率數(shù)據(jù)關(guān)聯(lián)法40-41
• 3.3.3 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)法41-43
• 3.3.4 多假設(shè)跟蹤法43-44
• 3.4 濾波算法44-46
• 3.4.1 卡爾曼濾波44-45
• 3.4.2 α?β濾波器45
• 3.4.3 粒子濾波45-46
• 3.5 運(yùn)動(dòng)狀態(tài)模型46-51
• 3.5.1 勻速和勻加速模型46-47
• 3.5.2 Singer模型47-48
• 3.5.3 “當(dāng)前”統(tǒng)計(jì)模型48-51
• 3.6 近場(chǎng)物體運(yùn)動(dòng)狀態(tài)識(shí)別方案設(shè)計(jì)51-52
• 3.6.1 近場(chǎng)物體運(yùn)動(dòng)狀態(tài)識(shí)別實(shí)現(xiàn)框架51
• 3.6.2 跟蹤門(mén)選擇51
• 3.6.3 數(shù)據(jù)關(guān)聯(lián)算法選擇51
• 3.6.4 濾波算法選擇51-52
• 3.6.5 目標(biāo)運(yùn)動(dòng)模型選擇52
• 3.7 本章小結(jié)52-53
• 第四章 仿真與實(shí)車(chē)實(shí)驗(yàn)驗(yàn)證53-73
• 4.1 引言53
• 4.2 仿真實(shí)驗(yàn)驗(yàn)證53-62
• 4.2.1 仿真環(huán)境53
• 4.2.2 勻速、勻加速和當(dāng)前統(tǒng)計(jì)模型仿真實(shí)驗(yàn)53-62
• 4.3 實(shí)車(chē)實(shí)驗(yàn)平臺(tái)搭建62-67
• 4.3.1 軟件平臺(tái)搭建62-63
• 4.3.2 實(shí)車(chē)傳感器平臺(tái)搭建63-65
• 4.3.3 慣性導(dǎo)航系統(tǒng)標(biāo)定65
• 4.3.4 激光雷達(dá)標(biāo)定65-67
• 4.4 實(shí)車(chē)實(shí)驗(yàn)67-72
• 4.4.1 近場(chǎng)物體檢測(cè)實(shí)車(chē)實(shí)驗(yàn)驗(yàn)證67-68
• 4.4.2 目標(biāo)運(yùn)動(dòng)狀態(tài)估計(jì)實(shí)車(chē)實(shí)驗(yàn)驗(yàn)證68-72
• 4.5 本章小結(jié)72-73
• 第五章 全文總結(jié)與展望73-75
• 5.1 全文總結(jié)73-74
• 5.2 未來(lái)展望74-75
• 參考文獻(xiàn)75-82
• 致謝82

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 齊永順;張文泉;;設(shè)備狀態(tài)識(shí)別[J];機(jī)械設(shè)計(jì)與制造;1987年04期

2 李力,趙新澤;應(yīng)用統(tǒng)計(jì)數(shù)學(xué)方法增進(jìn)機(jī)器狀態(tài)識(shí)別技術(shù)[J];實(shí)用測(cè)試技術(shù);2000年03期

3 王瓊;王歡;趙春霞;楊靜宇;;基于眼睛狀態(tài)識(shí)別的駕駛員疲勞監(jiān)測(cè)[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年04期

4 滕紅智;賈希勝;趙建民;張星輝;王正軍;葛家友;;分層隱Markov模型在設(shè)備狀態(tài)識(shí)別中的應(yīng)用研究[J];中國(guó)機(jī)械工程;2011年18期

5 李虹;;路面狀態(tài)識(shí)別技術(shù)概述[J];氣象水文海洋儀器;2012年04期

6 余丹炯;李訓(xùn)銘;;駕駛困倦預(yù)警系統(tǒng)中眼部狀態(tài)識(shí)別的研究[J];河海大學(xué)常州分校學(xué)報(bào);2007年02期

7 張雷元;袁建華;趙永進(jìn);;道路交通狀態(tài)識(shí)別技術(shù)研究[J];道路交通與安全;2009年02期

8 王正軍;張培林;任國(guó)全;高經(jīng)緯;李兵;;裝備發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)識(shí)別[J];四川兵工學(xué)報(bào);2008年02期

9 余成波，梁德沛;基于模糊相似貼近度旋轉(zhuǎn)機(jī)械狀態(tài)識(shí)別[J];機(jī)械傳動(dòng);1994年04期

10 李擎,鄭德玲,孟文博,童新海,謝四江;一種新的加熱爐狀態(tài)識(shí)別算法[J];北京科技大學(xué)學(xué)報(bào);2002年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前9條

1 湯新蓓;鄭德玲;湯崢嶸;張長(zhǎng)紅;;證據(jù)理論支持下的狀態(tài)識(shí)別方法[A];1997年中國(guó)控制會(huì)議論文集[C];1997年

2 鄭德玲;方巍;;基于組合邏輯與模糊邏輯的狀態(tài)識(shí)別方法[A];1998年中國(guó)控制會(huì)議論文集[C];1998年

3 方劍青;李紅軍;雷毅平;陳德華;;聲學(xué)共振譜方法用于結(jié)構(gòu)狀態(tài)識(shí)別的實(shí)驗(yàn)研究[A];2008年全國(guó)聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

4 楊明忠;樊建春;;磨損形態(tài)分析與智能化磨損狀態(tài)識(shí)別研究[A];第六屆全國(guó)摩擦學(xué)學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1997年

5 趙偉;黃春琳;;生命探測(cè)技術(shù)研究[A];2008年中國(guó)高校通信類(lèi)院系學(xué)術(shù)研討會(huì)論文集（下冊(cè)）[C];2009年

6 李宏坤;周帥;孫志輝;;基于Hilbert時(shí)頻譜重心與支持向量機(jī)的設(shè)備狀態(tài)識(shí)別[A];第八屆全國(guó)動(dòng)力學(xué)與控制學(xué)術(shù)會(huì)議論文集[C];2008年

7 劉偉;郭鐘寧;張永俊;何建文;;面向IGBT主動(dòng)驅(qū)動(dòng)并聯(lián)仿真研究[A];第11屆粵港機(jī)械電子工程技術(shù)與應(yīng)用研討會(huì)論文匯編[C];2010年

8 周穎;鄭德玲;裘之亮;位耀光;;一種新的免疫識(shí)別算法及其收斂性研究[A];第二十三屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2004年

9 陳鍇;徐柏齡;;基于最佳維納解的雙通道話者狀態(tài)識(shí)別方法[A];中國(guó)聲學(xué)學(xué)會(huì)2006年全國(guó)聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 李楠;基于單類(lèi)學(xué)習(xí)的異常檢測(cè)方法及其重型裝備狀態(tài)識(shí)別應(yīng)用[D];上海交通大學(xué);2014年

2 李娜;基于人體運(yùn)動(dòng)狀態(tài)識(shí)別的可穿戴健康監(jiān)測(cè)系統(tǒng)研究[D];北京工業(yè)大學(xué);2013年

3 李虹;基于機(jī)器視覺(jué)路面狀態(tài)識(shí)別關(guān)鍵技術(shù)研究[D];吉林大學(xué);2009年

4 王金偉;基于表情時(shí)空特征的認(rèn)知情感狀態(tài)識(shí)別研究[D];天津大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 游雄雄;礦冶典型零部件退化狀態(tài)識(shí)別與剩余壽命預(yù)測(cè)及可再制造性評(píng)估[D];江西理工大學(xué);2015年

2 林助軍;非穩(wěn)態(tài)條件下摩擦信號(hào)處理和狀態(tài)識(shí)別技術(shù)研究[D];大連海事大學(xué);2015年

3 葉卿;信號(hào)控制交叉口交通擁堵?tīng)顟B(tài)識(shí)別方法研究[D];華南理工大學(xué);2015年

4 張鑓;人體運(yùn)動(dòng)狀態(tài)感知機(jī)理及傳感數(shù)據(jù)分析研究[D];北京工業(yè)大學(xué);2015年

5 邵劍雄;基于霍夫森林的變電站開(kāi)關(guān)設(shè)備檢測(cè)及狀態(tài)識(shí)別[D];浙江大學(xué);2016年

6 劉雨;基于SVM的直升機(jī)飛行狀態(tài)識(shí)別方法及其應(yīng)用研究[D];南昌航空大學(xué);2016年

7 馮青平;基于云計(jì)算的交通流預(yù)測(cè)與狀態(tài)識(shí)別關(guān)鍵技術(shù)研究[D];江蘇大學(xué);2016年

8 鮑闞;智能車(chē)輛近場(chǎng)物體探測(cè)及其狀態(tài)識(shí)別方法研究[D];吉林大學(xué);2016年

9 張鐳;基于紅外熱像的設(shè)備狀態(tài)識(shí)別技術(shù)研究[D];北京化工大學(xué);2010年

10 鄧忠;基于車(chē)載自組織網(wǎng)的車(chē)輛狀態(tài)識(shí)別與駕駛行為評(píng)估[D];華南理工大學(xué);2015年

  本文關(guān)鍵詞：智能車(chē)輛近場(chǎng)物體探測(cè)及其狀態(tài)識(shí)別方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：378734