【摘要】：本文主要針對(duì)結(jié)構(gòu)化道路環(huán)境下車(chē)輛對(duì)周?chē)系K物信息的感知需求,利用三維激光雷達(dá)進(jìn)行障礙物檢測(cè)和跟蹤,為車(chē)輛主動(dòng)制動(dòng)、主動(dòng)避障等提供障礙物的位置和狀態(tài)信息。為了建立隨車(chē)輛位置變化而變化的感興趣區(qū)域,文章首先利用攝像頭檢測(cè)車(chē)輛前方車(chē)道線,并計(jì)算自車(chē)左、右車(chē)道線位置,從而獲得感興趣區(qū)域的橫向動(dòng)態(tài)邊界�？紤]到柵格地圖分辨率對(duì)障礙物檢測(cè)的影響,通過(guò)分析激光雷達(dá)的水平分辨率來(lái)確定其值大小。為了激光雷達(dá)相關(guān)定位參數(shù)測(cè)量時(shí)的可實(shí)施性,建立激光雷達(dá)坐標(biāo)系、車(chē)體坐標(biāo)系、圖像坐標(biāo)系以及三個(gè)坐標(biāo)系之間的轉(zhuǎn)換關(guān)系,并將激光雷達(dá)數(shù)據(jù)向二維圖像中投影,獲得柵格地圖。接著分析了激光雷達(dá)原始點(diǎn)云數(shù)據(jù)中噪聲點(diǎn)的產(chǎn)生原因,并針對(duì)柵格地圖的灰度特征,對(duì)傳統(tǒng)中值濾波算法進(jìn)行改進(jìn)。在此基礎(chǔ)上,分別運(yùn)用最值高度差法和基于柵格最值的占領(lǐng)柵格法對(duì)柵格地圖進(jìn)行背景點(diǎn)云分割,去除對(duì)車(chē)輛安全行駛影響較小的地面點(diǎn)云數(shù)據(jù),得到只包含障礙物點(diǎn)云數(shù)據(jù)的障礙物柵格地圖。進(jìn)一步的,為了減小障礙物點(diǎn)云數(shù)據(jù)之間的距離,加強(qiáng)點(diǎn)云數(shù)據(jù)之間的關(guān)聯(lián)性,引入形態(tài)學(xué)運(yùn)算對(duì)障礙物柵格地圖進(jìn)行預(yù)處理操作。接著提出一種基于鄰域搜索的密度聚類(lèi)標(biāo)記算法,對(duì)障礙物柵格地圖中的點(diǎn)云數(shù)據(jù)進(jìn)行聚類(lèi)。運(yùn)用方框模型對(duì)聚類(lèi)結(jié)果進(jìn)行參數(shù)化建模,提取障礙物位置信息以及狀態(tài)信息�？紤]到每幀激光雷達(dá)數(shù)據(jù)中不只包含一個(gè)障礙物,結(jié)合相鄰幀的相同障礙物點(diǎn)云形態(tài)近似,而不同障礙物點(diǎn)云形態(tài)差別較大的特點(diǎn),利用一種多特征的最近鄰算法并引入關(guān)聯(lián)矩陣對(duì)前后幀障礙物列表中的障礙物進(jìn)行關(guān)聯(lián)。最后提出基于動(dòng)態(tài)特性的動(dòng)態(tài)障礙物提取算法,并利用擴(kuò)展卡爾曼濾波器對(duì)動(dòng)態(tài)障礙物進(jìn)行跟蹤。實(shí)車(chē)實(shí)驗(yàn)結(jié)果表明,本文所提的算法能夠完成感興趣區(qū)域范圍內(nèi)障礙物的準(zhǔn)確檢測(cè)和穩(wěn)定跟蹤。
【圖文】：

合肥工業(yè)大學(xué)學(xué)術(shù)碩士研究生學(xué)位論文方面取得突破，減少交通事故發(fā)生的風(fēng)險(xiǎn)，彌補(bǔ)人工駕駛的諸多不足，并解駛員，促進(jìn)車(chē)輛產(chǎn)業(yè)、交通安全、國(guó)防科技的發(fā)展[8]。智能車(chē)是一個(gè)包含了環(huán)境感知、行為決策以及控制執(zhí)行等部分的綜合智能，如圖 1.1 所示。環(huán)境感知層主要通過(guò)各類(lèi)傳感器為車(chē)輛提供車(chē)道線、信號(hào)識(shí)牌等交通環(huán)境信息、障礙物類(lèi)別信息、自車(chē)與周?chē)系K物的位置信息，以對(duì)距離、相對(duì)速度等信息。行為決策部分根據(jù)車(chē)輛的行駛狀態(tài)以及周?chē)h(huán)境進(jìn)行路徑規(guī)劃和車(chē)輛行為判定，保證智能車(chē)在不影響其他交通參與者的情況全行駛。控制執(zhí)行部分即指根據(jù)決策結(jié)果，控制自車(chē)上各種執(zhí)行器做出相應(yīng)，，包括語(yǔ)音提醒、方向盤(pán)抖動(dòng)等預(yù)警設(shè)備的控制，以及轉(zhuǎn)向、換擋、制動(dòng)、等車(chē)輛自身行駛狀態(tài)的控制。

第一章 緒論光雷達(dá)的研究開(kāi)展較早，尤其在智能車(chē)方面產(chǎn)生了眾年代，智能車(chē)的研究開(kāi)始在歐美國(guó)家引起研究者的廣國(guó)外智能車(chē)的發(fā)展進(jìn)入快車(chē)道，世界主要發(fā)達(dá)國(guó)家的均投入了大量資源進(jìn)行相關(guān)技術(shù)的研發(fā)。RPA 制定的相關(guān)研究計(jì)劃，極大地推動(dòng)了無(wú)人駕駛汽重要研究成果，尤其是激光雷達(dá)在智能車(chē)上的廣泛應(yīng) 年、2005 年、2007 年一共舉辦過(guò)三次 “Grand Challe沙漠路況、城鄉(xiāng)賽道等各類(lèi)交通環(huán)境，參賽車(chē)輛需要行識(shí)別障礙物、行人、交通標(biāo)示牌和信號(hào)燈，最快通比賽中的冠軍分別來(lái)自卡耐基梅隆大學(xué)的“Sandstorm“Stanley （圖 1.3）以及卡耐基梅隆大學(xué)的“Boss”（
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：U463.67

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 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(wú)人駕駛汽車(chē)動(dòng)態(tài)障礙物檢測(cè)及表示方法[J];機(jī)器人;2014年06期

2 牛發(fā)發(fā);陳莉;張永新;李青;;基于魯棒主成分分析的Canny邊緣檢測(cè)算法[J];計(jì)算機(jī)應(yīng)用;2014年06期

3 常偉波;張維剛;謝倫杰;崔杰;;概念設(shè)計(jì)階段薄壁直梁的耐撞性?xún)?yōu)化[J];汽車(chē)工程;2013年02期

4 初雪梅;王珂娜;張維剛;;基于分段直線模型的彎道識(shí)別算法的研究[J];汽車(chē)工程;2012年12期

5 楊飛;朱株;龔小謹(jǐn);劉濟(jì)林;;基于三維激光雷達(dá)的動(dòng)態(tài)障礙實(shí)時(shí)檢測(cè)與跟蹤[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2012年09期

6 劉富強(qiáng);田敏;胡振程;;智能汽車(chē)中基于視覺(jué)的道路檢測(cè)與跟蹤算法[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年11期

7 司錫才;陳玉坤;李志剛;;數(shù)據(jù)關(guān)聯(lián)算法的研究[J];哈爾濱工程大學(xué)學(xué)報(bào);2007年07期

8 潘泉,葉西寧,張洪才;廣義概率數(shù)據(jù)關(guān)聯(lián)算法[J];電子學(xué)報(bào);2005年03期

9 榮秋生,顏君彪,郭國(guó)強(qiáng);基于DBSCAN聚類(lèi)算法的研究與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用;2004年04期

10 尹念東;智能車(chē)輛的研究及前景[J];上海汽車(chē);2002年04期

相關(guān)博士學(xué)位論文 前6條

1 談東奎;人機(jī)共享的駕駛員橫向輔助系統(tǒng)關(guān)鍵技術(shù)研究[D];合肥工業(yè)大學(xué);2017年

2 武歷穎;無(wú)人駕駛汽車(chē)環(huán)境信息提取及運(yùn)動(dòng)決策方法研究[D];長(zhǎng)安大學(xué);2016年

3 王肖;復(fù)雜環(huán)境下智能車(chē)輛動(dòng)態(tài)目標(biāo)三維感知方法研究[D];清華大學(xué);2016年

4 于加其;基于激光成像雷達(dá)距離像的地面目標(biāo)識(shí)別算法研究[D];北京理工大學(xué);2015年

5 辛煜;無(wú)人駕駛車(chē)輛運(yùn)動(dòng)障礙物檢測(cè)、預(yù)測(cè)和避撞方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

6 陳龍;城市環(huán)境下無(wú)人駕駛智能車(chē)感知系統(tǒng)若干關(guān)鍵技術(shù)研究[D];武漢大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 邢皎玉;基于智能純電動(dòng)汽車(chē)的前方車(chē)輛檢測(cè)與識(shí)別技術(shù)研究[D];合肥工業(yè)大學(xué);2017年

2 葉美松;單目視覺(jué)的智能電動(dòng)小車(chē)車(chē)道線識(shí)別與跟蹤[D];西南交通大學(xué);2017年

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

4 鄭凱華;基于多層激光雷達(dá)的道路與障礙物信息提取算法[D];北京工業(yè)大學(xué);2015年

5 吳學(xué)剛;基于激光雷達(dá)的運(yùn)動(dòng)目標(biāo)檢測(cè)與識(shí)別方法研究[D];華中科技大學(xué);2015年

6 王盛;復(fù)雜野外環(huán)境下機(jī)器人障礙物檢測(cè)方法研究[D];浙江大學(xué);2015年

7 許堯;三維重建中的立體匹配技術(shù)研究[D];華東理工大學(xué);2014年

8 王銘;基于激光雷達(dá)的無(wú)人車(chē)三維環(huán)境建模技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

9 莊加福;基于機(jī)載激光雷達(dá)的復(fù)雜場(chǎng)景車(chē)輛類(lèi)目標(biāo)檢測(cè)[D];華中科技大學(xué);2013年

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

本文編號(hào)：2640971