【摘要】：智能汽車(Intelligent Vehicle,IV)是一個(gè)復(fù)雜的集合體,包括環(huán)境感知、規(guī)劃決策、行為控制多個(gè)模塊,融合了計(jì)算機(jī)技術(shù)、傳感技術(shù)、通信技術(shù)、模式識(shí)別技術(shù)及自動(dòng)控制技術(shù)等多項(xiàng)高新技術(shù)。汽車周圍存在大量阻礙車輛行駛的障礙物,如何對(duì)環(huán)境進(jìn)行準(zhǔn)確感知是智能汽車面臨的非常艱巨但又迫切需要解決的問題。激光雷達(dá)由于其測量距離遠(yuǎn),測量精度高,受環(huán)境影響小等優(yōu)點(diǎn),廣泛應(yīng)用于智能汽車環(huán)境感知系統(tǒng)中,具有重要的理論研究及工程實(shí)際應(yīng)用價(jià)值。本文針對(duì)智能汽車環(huán)境感知需求,以江蘇大學(xué)自主開發(fā)的無人駕駛汽車為研究平臺(tái),開展基于三維激光雷達(dá)的車輛周圍障礙物檢測及跟蹤方法研究,為自主車輛安全行駛提供可靠的環(huán)境信息。主要研究內(nèi)容如下:(1)搭建了基于三維激光雷達(dá)的智能汽車環(huán)境感知平臺(tái),分析了三維激光雷達(dá)傳感器點(diǎn)云數(shù)據(jù)特點(diǎn)以及雷達(dá)坐標(biāo)系和車體坐標(biāo)系的轉(zhuǎn)換關(guān)系,開發(fā)了核心算法和應(yīng)用軟件。(2)針對(duì)點(diǎn)云數(shù)據(jù)分割環(huán)節(jié)中懸掛障礙物難以檢測以及單一閾值導(dǎo)致的分割算法魯棒性不足的問題,提出了一種新型的多特征多層?xùn)鸥竦貓D。通過分割柵格內(nèi)點(diǎn)云來檢測懸掛物,并結(jié)合高度特征以及強(qiáng)度特征判定地面區(qū)域。實(shí)車實(shí)驗(yàn)證明所提算法能有效地分離地面以及障礙物區(qū)域,并能濾除懸掛障礙物。(3)針對(duì)激光雷達(dá)數(shù)據(jù)聚類過程中易出現(xiàn)的過分割現(xiàn)象,運(yùn)用網(wǎng)格聚類的方式,將障礙物柵格深度值與聚類距離聯(lián)系在一起,并采用相鄰幀障礙目標(biāo)特性進(jìn)行聚類匹配,完成同一目標(biāo)不同柵格塊的聚類工作。在目標(biāo)分類環(huán)節(jié)中,通過目標(biāo)的位置姿態(tài)特征以及輪廓特征,運(yùn)用支持向量機(jī)對(duì)道路中動(dòng)態(tài)障礙物目標(biāo)進(jìn)行分類。(4)針對(duì)道路環(huán)境中障礙物數(shù)目不定,運(yùn)動(dòng)狀態(tài)隨時(shí)發(fā)生變化的特點(diǎn),采用了一種結(jié)合多假設(shè)跟蹤算法以及交互式多模型算法的目標(biāo)跟蹤系統(tǒng),其中多假設(shè)跟蹤算法應(yīng)用于多個(gè)目標(biāo)數(shù)據(jù)關(guān)聯(lián),而交互式多模型算法應(yīng)用于對(duì)目標(biāo)進(jìn)行狀態(tài)估計(jì)。通過卡爾曼濾波的對(duì)比實(shí)驗(yàn),驗(yàn)證了本文算法能得到較為準(zhǔn)確的障礙物位置與速度信息。本文對(duì)智能汽車測試平臺(tái)采集到的實(shí)車數(shù)據(jù)和KITTI數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行了大量實(shí)驗(yàn)驗(yàn)證。結(jié)果表明本文所提出的三維激光雷達(dá)數(shù)據(jù)處理算法,能夠?qū)崿F(xiàn)對(duì)車輛周圍障礙物進(jìn)行檢測與跟蹤,具有較好的可行性以及魯棒性。
【圖文】：

基于三維激光雷達(dá)的智能汽車障礙物檢測及跟蹤能給對(duì)整個(gè)智能車行業(yè)起推動(dòng)作用。本章節(jié)對(duì)智能駕駛汽車主要技術(shù)以及國進(jìn)行了概述，深入分析了車載激光雷達(dá)環(huán)境感知系統(tǒng)概念以及研究現(xiàn)狀。智能汽車技術(shù)概述能汽車又可以稱之為無人駕駛車輛（Unmanned Vehicle），移動(dòng)機(jī)器人（t），對(duì)其的研究涉及到多個(gè)學(xué)科、多個(gè)領(lǐng)域，具有重要的研究價(jià)值。無人駕駛個(gè)模塊以及技術(shù)方法，例如智能傳感器技術(shù)、高精環(huán)境地圖及自車定位、模智能、操作系統(tǒng)的建立、路徑規(guī)劃及決策、障礙物檢測與規(guī)避、車輛控制以優(yōu)化等。雖然不同高校不同企業(yè)設(shè)計(jì)的自動(dòng)駕駛汽車解決方案有一些不同，統(tǒng)的構(gòu)建以及實(shí)現(xiàn)功能上都區(qū)別不大。圖 1.1 概括了一般智能汽車的通用系統(tǒng)

圖 1.2 智能汽車感知端Fig.1.2 Intelligent vehicle perception system二十世紀(jì)八十年代就大規(guī)模支持自主陸地車究。ALV 可以不分晝夜地完成作戰(zhàn)要求，并能大，是未來軍事發(fā)展的重要方向。1977 至 2000 年一些實(shí)驗(yàn)和開放項(xiàng)目。之后，各國對(duì)無人車的研術(shù)，并取得了一系列成果。最具代表的是美國 辦過三屆比賽，每一屆比賽中，，大部分車輛都駛了 7.4 英里的 Carnegie Mellon 大學(xué)的“San的“Stanley”號(hào)以 6 小時(shí) 53 分的成績最終獲得自 Carnegie Mellon 大學(xué)的“Boss”無人車獲得無人駕駛環(huán)境下，以 60km/h 的速度完成了城市
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U463.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 李春苗;高劍波;楊鎮(zhèn)源;周昕;張華;冷杰;宋昭;;基于特征值的激光成像雷達(dá)目標(biāo)識(shí)別算法[J];激光與紅外;2015年03期

2 辛煜;梁華為;梅濤;黃如林;杜明博;王智靈;陳佳佳;趙盼;;基于激光傳感器的無人駕駛汽車動(dòng)態(tài)障礙物檢測及表示方法[J];機(jī)器人;2014年06期

3 甘志梅;王春香;楊明;;基于激光雷達(dá)的車輛跟蹤與識(shí)別方法[J];上海交通大學(xué)學(xué)報(bào);2009年06期

4 孫吉貴;劉杰;趙連宇;;聚類算法研究[J];軟件學(xué)報(bào);2008年01期

5 賀玲;吳玲達(dá);蔡益朝;;數(shù)據(jù)挖掘中的聚類算法綜述[J];計(jì)算機(jī)應(yīng)用研究;2007年01期

相關(guān)博士學(xué)位論文 前5條

1 王俊;無人駕駛車輛環(huán)境感知系統(tǒng)關(guān)鍵技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2016年

2 劉健;基于三維激光雷達(dá)的無人駕駛車輛環(huán)境建模關(guān)鍵技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2016年

3 周俊靜;基于激光雷達(dá)的智能車輛目標(biāo)識(shí)別與跟蹤關(guān)鍵技術(shù)研究[D];北京工業(yè)大學(xué);2014年

4 辛煜;無人駕駛車輛運(yùn)動(dòng)障礙物檢測、預(yù)測和避撞方法研究[D];中國科學(xué)技術(shù)大學(xué);2014年

5 曾齊紅;機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)處理與建筑物三維重建[D];上海大學(xué);2009年

相關(guān)碩士學(xué)位論文 前4條

1 葉剛;城市環(huán)境基于三維激光雷達(dá)的自動(dòng)駕駛車輛多目標(biāo)檢測及跟蹤算法研究[D];北京理工大學(xué);2016年

2 莊秀華;基于單線激光雷達(dá)的障礙物檢測與跟蹤研究[D];湖南大學(xué);2014年

3 楊光祖;基于多種激光雷達(dá)數(shù)據(jù)融合的障礙檢測技術(shù)的研究[D];北京工業(yè)大學(xué);2013年

4 諶彤童;三維激光雷達(dá)在自主車環(huán)境感知中的應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2011年

本文編號(hào)：2611450