【摘要】：在信息時(shí)代的今天,無人駕駛技術(shù)和駕駛輔助技術(shù)正在日益受到業(yè)界人士的關(guān)注,為了更好地解決駕駛者在駕駛過程中的導(dǎo)航問題同時(shí)體驗(yàn)更好、更舒適的駕駛感覺,使得駕駛者的雙手得到解放。無人駕駛汽車能夠在道路上安全的行駛,無不依靠更高精度的導(dǎo)航電子地圖的參與,特別是車道級(jí)別的導(dǎo)航地圖數(shù)據(jù)庫(kù)的建立在其中扮演著絕對(duì)重要的角色。車道級(jí)別的要素信息需要獲取的前期數(shù)據(jù)包括道路形狀,車道的曲率、坡度、航向、高程以及側(cè)傾等主要數(shù)據(jù)。根據(jù)道路設(shè)計(jì)安全理念,為了車輛的行駛安全,道路的線形設(shè)計(jì)幾乎都是以曲線為主,而每條曲線的曲率都是不同的,特別是在智能駕駛高精度導(dǎo)航電子地圖表達(dá)中更要對(duì)車輛進(jìn)行實(shí)時(shí)提醒,所以,道路曲率的準(zhǔn)確性在道路屬性數(shù)據(jù)中起到至關(guān)重要的作用,這直接關(guān)系到自動(dòng)駕駛車輛能否在道路上安全行駛。高精度導(dǎo)航電子地圖的高精度,一方面意味著高精度導(dǎo)航地圖的絕對(duì)坐標(biāo)的精度較普通電子地圖的精度更高,圖上坐標(biāo)精度即是指地圖上的物體與外界真實(shí)世界之間的精確性;另一方面,高精度導(dǎo)航地圖的屬性信息中包含了更多、更豐富和更詳細(xì)的道路交通信息元素。本文在研究高精度導(dǎo)航地圖的發(fā)展現(xiàn)狀以及道路曲率估計(jì)方法的基礎(chǔ)上,根據(jù)本文所采用實(shí)驗(yàn)數(shù)據(jù)的特點(diǎn),提出了一種基于GNSS數(shù)據(jù)計(jì)算道路曲率的“迭代圓曲率估計(jì)算法”。首先,對(duì)每條路段的原始數(shù)據(jù)曲線擬合進(jìn)行預(yù)處理,以等間距內(nèi)插的方式生成擬合曲線的折線,然后將生成的折線利用立體投影的方法投影到單位球上,再根據(jù)最小二乘法則,在單位球上尋找數(shù)據(jù)點(diǎn)的最佳擬合平面,以及擬合平面與單位球的相交圓,相交圓立體投影到赤道面就可以得到相應(yīng)的圓弧和曲線,識(shí)別得到的曲線按圓心角的大小分類為:無曲線、簡(jiǎn)單曲線、復(fù)合曲線、逆曲線和螺旋曲線等五種類型,通過識(shí)別結(jié)果證明利用本文提出的最小擬合圓算法所提取的道路邊線具有準(zhǔn)確性且保證了邊界點(diǎn)精度。本文在道路曲率精度驗(yàn)證方面主要分為兩個(gè)步驟。第一步是曲線庫(kù)構(gòu)建,將GNSS-RTK采集的道路邊線數(shù)據(jù)進(jìn)行處理后,利用識(shí)別的五種曲線進(jìn)行曲線數(shù)據(jù)庫(kù)的建立,以備后面精度驗(yàn)證之用。第二步是曲線精度驗(yàn)證,將點(diǎn)云數(shù)據(jù)擬合后內(nèi)插得到的曲線節(jié)點(diǎn)坐標(biāo)數(shù)據(jù)導(dǎo)入系統(tǒng),自動(dòng)進(jìn)行數(shù)據(jù)的檢測(cè)和曲線曲率值對(duì)比驗(yàn)證,最終得出驗(yàn)證結(jié)果,直接導(dǎo)出保存進(jìn)行后續(xù)的數(shù)據(jù)分析。本文的主要考核數(shù)據(jù)為道路邊線的曲率估計(jì)值,對(duì)兩種數(shù)據(jù)進(jìn)行精度驗(yàn)證以及數(shù)據(jù)分析看出,同一曲線段曲率值的差值最大值為8.99×10~(-3),最小值為5.7×10~(-6),差值均方根為3.38×10~(-3),平均值差值的相對(duì)精度為1/442,該精度達(dá)到預(yù)期設(shè)想。通過與點(diǎn)云數(shù)據(jù)提取的道路邊線曲率進(jìn)行對(duì)比,結(jié)果表明該方法整體完成較好,實(shí)現(xiàn)了在提高運(yùn)算效率的同時(shí)又保證了成果精度的預(yù)期目標(biāo)。
【圖文】：

圖 3-2 近景圖像投影到三維點(diǎn)云Fig. 3-2 Close-range image projection to 3D point cloud.3.2 區(qū)域生長(zhǎng)區(qū)域增長(zhǎng)分割的主要目的是將點(diǎn)云數(shù)據(jù)劃分為若干有意義的區(qū)域。這種方法檢查種子點(diǎn)的鄰域區(qū)域，并確定是否將鄰域添加到該區(qū)域。如果相鄰點(diǎn)云屬于該區(qū)域，們的鄰域也會(huì)被重復(fù)檢查，直到?jīng)]有更多數(shù)據(jù)添加為止。在一個(gè)區(qū)域完成區(qū)域生長(zhǎng)后一個(gè)區(qū)域再次擴(kuò)大并帶有另一個(gè)種子點(diǎn)。這個(gè)過程一直運(yùn)行直到?jīng)]有更多的數(shù)據(jù)保域增長(zhǎng)算法易于實(shí)現(xiàn)并且適用于同時(shí)使用多個(gè)準(zhǔn)則。此外，從當(dāng)前位置檢查可達(dá)區(qū)是合適的。點(diǎn)云分割中，基于模型擬合方法的替代方法是區(qū)域增長(zhǎng)算法[40]。Besl 和 Jain 在 19提出來的方法包含兩個(gè)階段：第一步，基于平均值和每個(gè)點(diǎn)的高斯曲率及其符號(hào)化分割；第二步，使用基于變量二元曲面擬合生長(zhǎng)的迭代區(qū)域?qū)Υ址指畹慕Y(jié)果進(jìn)行細(xì)割。之后，其他人則采用這種方法多次進(jìn)行三維點(diǎn)云的分割。例如，2002 年，Go用 TIN 三角形作為種子區(qū)域[41]，根據(jù)相鄰三角形之間的角度和距離為特征值來進(jìn)行生長(zhǎng)分割，基于此，種子區(qū)域用來生長(zhǎng)其他三角形達(dá)到分割目的。2005 年，Tóv

圖 3-3 該區(qū)域向四鄰域發(fā)展Fig.3-3 The region growing toward four neighborhood復(fù)持續(xù)檢查四個(gè)鄰域中未標(biāo)記的像素，并且具有區(qū)域生長(zhǎng)標(biāo)準(zhǔn)的滿黑色粗體邊界是中點(diǎn)八個(gè)相鄰的估計(jì)法向量。準(zhǔn)中的特征類型及其組合對(duì)于增強(qiáng)分段結(jié)果至關(guān)重要。對(duì)差和梯度被用來考慮掃描車輛可以從中心點(diǎn)到達(dá)的地方。如估計(jì)一個(gè)點(diǎn)上的局部表面的法向矢量，所述法向矢量被分配差值i ,jdn 由兩個(gè)法向量的內(nèi)積得出；下標(biāo) i 表示當(dāng)前點(diǎn)索引，j 表示兩個(gè)相鄰點(diǎn)之間的相關(guān)性。梯度i ,jg 表示兩點(diǎn)之間的差除以兩個(gè)連續(xù)點(diǎn)之間的距離。光雷達(dá)的特點(diǎn)，，與傳感器的距離越近，由于傳感器噪聲量較矢量噪聲。因此，導(dǎo)出的特征值通過平均濾波器被平滑，并thresd 內(nèi)的高度差i ,jdh 交替。區(qū)域生長(zhǎng)準(zhǔn)則由 S 形函數(shù)的歸一, ,,i j i j thresi jdh if d df ≤ =
【學(xué)位授予單位】：北京建筑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U463.67;U495

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬浩;王留召;;基于車載激光點(diǎn)云的道路邊線自動(dòng)分類與提取[J];測(cè)繪科學(xué);2014年06期

2 李明輝;田雪冬;胡維強(qiáng);;基于車載三維激光掃描的道路線提取研究[J];測(cè)繪與空間地理信息;2014年04期

3 方莉娜;楊必勝;;車載激光掃描數(shù)據(jù)的結(jié)構(gòu)化道路自動(dòng)提取方法[J];測(cè)繪學(xué)報(bào);2013年02期

4 王果;崔希民;袁德寶;張強(qiáng);王立鴻;;車載激光點(diǎn)云領(lǐng)域比較的道路邊線提取方法[J];測(cè)繪通報(bào);2012年09期

5 賈立山;羅劍;李世其;;基于車道線直線模型的道路曲率估計(jì)方法[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期

6 彭志;李傳榮;周梅;;基于最小二乘曲線擬合法的點(diǎn)云濾波算法研究[J];遙感信息;2011年05期

7 王志鋼;;中國(guó)導(dǎo)航電子地圖行業(yè)的發(fā)展現(xiàn)狀和前景[J];數(shù)字通信世界;2011年02期

8 劉丹;宋偉東;;基于邊界點(diǎn)云數(shù)據(jù)的3次B樣條曲線擬合[J];交通科技與經(jīng)濟(jì);2009年06期

9 唐力明;丁華祥;朱紫陽(yáng);;應(yīng)用車載DGPS數(shù)據(jù)計(jì)算道路線形參數(shù)[J];測(cè)繪科學(xué)技術(shù)學(xué)報(bào);2008年05期

10 馮曉;李敏;楊佳;張明;;不同類型緩和曲線的正算與反算的通用算法[J];測(cè)繪通報(bào);2008年06期

相關(guān)碩士學(xué)位論文 前5條

1 蔡尚書;車載激光點(diǎn)云地面濾波與道路識(shí)別方法研究[D];山東科技大學(xué);2017年

2 李強(qiáng);無人駕駛車輛的行道線檢測(cè)方法研究[D];南京理工大學(xué);2017年

3 張莉婷;基于出租車GPS軌跡的導(dǎo)航道路數(shù)據(jù)更新[D];昆明理工大學(xué);2014年

4 丁宇虹;導(dǎo)航電子地圖中道路網(wǎng)增量縮編更新信息的提取[D];首都師范大學(xué);2013年

5 劉丹;基于點(diǎn)云數(shù)據(jù)的曲線擬合[D];遼寧工程技術(shù)大學(xué);2009年

本文編號(hào)：2699990