城市擁堵和交通事故已經(jīng)成為當(dāng)今社會(huì)急需解決的重大問題,隨著傳感器和計(jì)算機(jī)技術(shù)的快速發(fā)展,無人駕駛汽車被認(rèn)為是解決問題的方案之一。自主尋跡功能是無人駕駛汽車安全行駛的保障,其主要依靠GPS技術(shù)對(duì)車輛進(jìn)行定位與導(dǎo)航,但GPS信號(hào)在傳輸過程中容易被高大物體遮擋干擾,很難一直保持高精度的差分定位狀態(tài)。為了解決GPS定位不準(zhǔn)時(shí)的車輛尋跡控制問題,本文提出了一種基于激光雷達(dá)的自主尋跡方法。本文的思路是利用激光雷達(dá)采集的環(huán)境點(diǎn)云識(shí)別結(jié)構(gòu)化道路的邊界,然后控制無人駕駛汽車的轉(zhuǎn)向系統(tǒng)和行駛系統(tǒng),使其與邊界保持一定的距離向前尋跡行駛。主要研究內(nèi)容如下:(1)研究激光雷達(dá)(HDL-64E)的性能參數(shù),通過分析激光點(diǎn)云在徑向方向和圓周方向上的距離分辨率確定識(shí)別道路邊界的有效數(shù)據(jù)范圍,并對(duì)UDP數(shù)據(jù)包結(jié)構(gòu)進(jìn)行分析,推導(dǎo)出由測量距離和角度計(jì)算激光點(diǎn)的三維坐標(biāo)的計(jì)算公式。(2)提出一種基于圖像處理的道路邊界識(shí)別方法,首先對(duì)激光雷達(dá)的原始數(shù)據(jù)進(jìn)行孤立噪點(diǎn)濾除和數(shù)組插值處理,再利用多特征濾波將路面點(diǎn)濾除,保留道路邊界激光點(diǎn)云;然后通過舍棄高度信息將三維點(diǎn)云轉(zhuǎn)換成二維圖像,并利用激光點(diǎn)像素拉伸和閉操作處理來解決邊界像素間斷問題,再使用逐行掃描算法來確定邊界的具體位置;最后利用道路的固有屬性進(jìn)行干擾因素排除。(3)從上位機(jī)決策和下位機(jī)控制兩個(gè)方面對(duì)車輛的尋跡控制進(jìn)行研究,上位機(jī)通過偏移右邊界至車輛位置處來生成目標(biāo)路徑,并由目標(biāo)路徑和車輛的相對(duì)位置關(guān)系計(jì)算車輛的目標(biāo)前輪轉(zhuǎn)角和目標(biāo)車速;下位機(jī)采用改進(jìn)的PID算法控制轉(zhuǎn)向助力電機(jī),對(duì)剎車控制采用模糊分檔控制策略,并制定了詳細(xì)的油門剎車切換規(guī)則。(4)針對(duì)國內(nèi)無人駕駛汽車比賽中常見的四種典型場景,進(jìn)行了道路邊界識(shí)別測試,并選取一段500米的小曲率道路進(jìn)行基于激光雷達(dá)的車輛自主尋跡實(shí)驗(yàn),通過結(jié)果分析驗(yàn)證了本文方法的可行性。
【學(xué)位單位】：長安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：U463.6
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外無人駕駛汽車發(fā)展現(xiàn)狀
        1.2.1 國外無人駕駛汽車發(fā)展現(xiàn)狀
        1.2.2 國內(nèi)無人駕駛汽車發(fā)展現(xiàn)狀
    1.3 無人駕駛汽車自主尋跡相關(guān)技術(shù)
        1.3.1 差分GPS定位導(dǎo)航
        1.3.2 三維高精度地圖
        1.3.3 車道保持
        1.3.4 慣性導(dǎo)航
        1.3.5 跟蹤控制
    1.4 課題來源及內(nèi)容安排
第二章 激光雷達(dá)與數(shù)據(jù)解析
    2.1 激光雷達(dá)介紹
    2.2 激光雷達(dá)參數(shù)分析
        2.2.1 徑向距離分辨率
        2.2.2 圓周距離分辨率
        2.2.3 雷達(dá)盲區(qū)與數(shù)據(jù)選取
    2.3 激光雷達(dá)的數(shù)據(jù)解析
        2.3.1 UDP數(shù)據(jù)包結(jié)構(gòu)
        2.3.2 數(shù)據(jù)解析及保存
    2.4 本章小結(jié)
第三章 基于激光雷達(dá)的道路邊界識(shí)別
    3.1 道路邊界識(shí)別思路
    3.2 基于多特征濾波的路面點(diǎn)濾除
        3.2.1 數(shù)據(jù)預(yù)處理
        3.2.2 路面點(diǎn)和路沿點(diǎn)的數(shù)據(jù)特征
        3.2.3 基于多特征的路面點(diǎn)濾除
    3.3 基于圖像處理的道路邊界識(shí)別
        3.3.1 點(diǎn)云數(shù)據(jù)的二維圖像轉(zhuǎn)換
        3.3.2 道路邊界的連續(xù)性處理
        3.3.3 基于逐行掃描算法的道路邊界識(shí)別
        3.3.4 基于道路固有屬性的干擾排除
    3.4 本章小結(jié)
第四章 無人駕駛汽車的路徑跟蹤控制
    4.1 基于道路邊界的目標(biāo)路徑生成
    4.2 上位機(jī)決策計(jì)算
        4.2.1 基于預(yù)瞄模型的目標(biāo)前輪轉(zhuǎn)角計(jì)算
        4.2.2 基于道路彎曲程度的目標(biāo)車速計(jì)算
    4.3 下位機(jī)執(zhí)行控制
        4.3.1 執(zhí)行器改造方案
        4.3.2 轉(zhuǎn)向助力電機(jī)控制
        4.3.3 速度控制
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
    5.1 無人駕駛汽車平臺(tái)
        5.1.1 硬件組成
        5.1.2 無人駕駛系統(tǒng)框架
    5.2 實(shí)驗(yàn)及結(jié)果分析
        5.2.1 道路邊界識(shí)別實(shí)驗(yàn)
        5.2.2 車輛自主尋跡實(shí)驗(yàn)
    5.3 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間取得的科研成果
致謝

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 朱學(xué)葵;高美娟;李尚年;;一種智能汽車的實(shí)時(shí)道路邊緣檢測算法[J];北京聯(lián)合大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

2 李蕊;趙麗華;;交通事故人員傷亡的影響因素分析[J];中國安全科學(xué)學(xué)報(bào);2015年04期

3 姜巖;王琦;龔建偉;陳慧巖;;無人駕駛車輛局部路徑規(guī)劃的時(shí)間一致性與魯棒性研究[J];自動(dòng)化學(xué)報(bào);2015年03期

4 戴斌;聶一鳴;孫振平;安向京;;地面無人駕駛技術(shù)現(xiàn)狀及應(yīng)用[J];汽車與安全;2012年03期

5 管欣,王景武,高振海;基于最優(yōu)預(yù)瞄加速度決策的汽車自適應(yīng)巡航控制系統(tǒng)[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2004年02期

6 孫振平,安向京,賀漢根;CITAVT-IV——視覺導(dǎo)航的自主車[J];機(jī)器人;2002年02期

7 高振海,管欣,李謙,郭孔輝;基于預(yù)瞄跟隨理論的駕駛員跟隨汽車目標(biāo)速度的控制模型[J];吉林工業(yè)大學(xué)學(xué)報(bào)(工學(xué)版);2002年01期

8 郭孔輝;駕駛員—汽車閉環(huán)系統(tǒng)操縱運(yùn)動(dòng)的預(yù)瞄最優(yōu)曲率模型[J];汽車工程;1984年03期

相關(guān)博士學(xué)位論文 前1條

1 杜歆;用于導(dǎo)航的立體視覺系統(tǒng)[D];浙江大學(xué);2003年

相關(guān)碩士學(xué)位論文 前6條

1 王振;無人車運(yùn)動(dòng)控制系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];長安大學(xué);2016年

2 李玉;基于3D激光點(diǎn)云的無人車城市環(huán)境SLAM問題研究[D];北京理工大學(xué);2016年

3 郭俊杰;無人駕駛車GPS自主導(dǎo)航系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];長安大學(xué);2014年

4 劉蕊;智能車路徑跟蹤及其底層控制方法研究[D];北京工業(yè)大學(xué);2013年

5 于亞靜;無人車捷聯(lián)慣導(dǎo)系統(tǒng)傳遞對(duì)準(zhǔn)研究[D];北京信息科技大學(xué);2013年

6 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)：2876259