高精地圖是智能車輛實(shí)現(xiàn)完成駕駛?cè)蝿?wù)過程中最基礎(chǔ)和最關(guān)鍵的部分,如何構(gòu)建出精度高、便于使用的地圖一直是智能駕駛領(lǐng)域所研究的重點(diǎn)和難點(diǎn)。目前,智能車輛的應(yīng)用主要是特種車輛在特定場景下的自動(dòng)駕駛應(yīng)用,這些場景往往同時(shí)涉及室內(nèi)與室外環(huán)境,因此構(gòu)建室內(nèi)外一體化地圖具有重要的現(xiàn)實(shí)意義。本文針對特殊場景研究了基于激光雷達(dá)和慣性測量單元（Inertial Measurement Unit,IMU）融合的智能車輛地圖構(gòu)建方法。本文的研究內(nèi)容主要包含以下幾個(gè)方面:針對傳統(tǒng)激光雷達(dá)建圖方法存在的累計(jì)誤差大、建圖效果差的問題以及各種多傳感器融合建圖方法的不足,研究了基于激光雷達(dá)和慣性測量單元融合的點(diǎn)云地圖構(gòu)建方法。首先,在傳統(tǒng)激光雷達(dá)建圖方法中引入慣性測量單元數(shù)據(jù)消除激光雷達(dá)的運(yùn)動(dòng)誤差并采用基于特征的方法進(jìn)行點(diǎn)云匹配;然后,根據(jù)激光雷達(dá)約束項(xiàng)和慣性測量單元約束項(xiàng)構(gòu)建聯(lián)合優(yōu)化模型,通過求解優(yōu)化模型來估計(jì)車輛的運(yùn)動(dòng)姿態(tài)并根據(jù)估計(jì)結(jié)果構(gòu)建點(diǎn)云地圖。針對傳統(tǒng)地圖格式復(fù)雜、不適于智能車輛使用的問題,結(jié)合智能車輛對地圖的需求,研究面向智能車輛的地圖生成方法。首先,根據(jù)駕駛場景的特點(diǎn)和智能車輛對于地圖的需求確定了該場景中智... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【部分圖文】：

四維圖新地圖采集車

重慶郵電大學(xué)碩士學(xué)位論文第1章緒論9產(chǎn)品制作，并發(fā)布部分城市道路自動(dòng)駕駛地圖數(shù)據(jù)。圖1.4為四維圖新公司構(gòu)建的高精度地圖。圖1.3四維圖新地圖采集車圖1.4四維圖新構(gòu)建的高精度地圖TomTom是一家主營業(yè)務(wù)為地圖、導(dǎo)航和GPS設(shè)備的荷蘭公司[26]。作為老牌地圖商，TomTom在很早以前就開始在高精度地圖方面進(jìn)行了布局。2017年TomTom高精度地圖已覆蓋全球近38萬公里。2017年7月，TomTom宣布與百度合作，共同創(chuàng)建中國高精度地圖。德國的地圖供應(yīng)商HERE公司于2009年開始對高精地圖進(jìn)行采集和設(shè)計(jì)，同時(shí)與寶馬、戴勒姆和奧迪等主機(jī)廠合作，一起定義地圖技術(shù)的規(guī)格[27]。除了配備自己的測繪車，HERE還通過利用大量的私家車數(shù)據(jù)，建立高精地圖的動(dòng)態(tài)循環(huán)體系，讓高精地圖的數(shù)據(jù)、用戶和地圖制作商能夠形成一個(gè)有效的、動(dòng)態(tài)的供給關(guān)系。

重慶郵電大學(xué)碩士學(xué)位論文第2章關(guān)鍵技術(shù)分析12第2章關(guān)鍵技術(shù)分析基于激光雷達(dá)和慣性測量單元的智能車輛地圖構(gòu)建方法，主要包括基于激光雷達(dá)和慣性測量單元點(diǎn)云地圖構(gòu)建方法與面向自動(dòng)駕駛的地圖生成方法兩個(gè)部分，涉及到的關(guān)鍵技術(shù)有激光雷達(dá)點(diǎn)云匹配技術(shù)、IMU預(yù)積分技術(shù)和非線性優(yōu)化方法等，本章將對以上三個(gè)關(guān)鍵技術(shù)做詳細(xì)分析。2.1點(diǎn)云匹配方法2.1.1ICP點(diǎn)云匹配方法分析ICP算法是一種經(jīng)典的點(diǎn)云匹配算法[28]。經(jīng)過多年的演變，該算法如今已經(jīng)被廣泛應(yīng)用于3D點(diǎn)云匹配領(lǐng)域中。該算法本質(zhì)上是基于最小二乘法的最優(yōu)匹配算法，通過迭代的方式求解兩組點(diǎn)云之間的位姿變換關(guān)系，直到誤差滿足要求或達(dá)到既定的迭代次數(shù)。圖2.1為ICP算法示意圖。圖2.1ICP算法示意圖對于三維空間中的兩組3D點(diǎn)云P和Q，ICP點(diǎn)云匹配算法求解幀間位姿的步驟可以總結(jié)如下：1.根據(jù)空間中兩點(diǎn)之間的歐式距離選擇兩組點(diǎn)云之間的最近匹配點(diǎn)對(,)iipq。222(,)()()()iiijijijijdpqpqxxyyzz(2.1)

【參考文獻(xiàn)】：
期刊論文
[1]基于直接法與慣性測量單元融合的視覺里程計(jì)[J]. 劉艷嬌,張?jiān)浦?榮磊,姜浩,鄧毅.  機(jī)器人. 2019(05)
[2]一種魯棒的城市復(fù)雜動(dòng)態(tài)場景點(diǎn)云配準(zhǔn)方法[J]. 王任棟,徐友春,齊堯,韓棟斌,李華.  機(jī)器人. 2018(03)
[3]PLP-SLAM:基于點(diǎn)、線、面特征融合的視覺SLAM方法[J]. 李海豐,胡遵河,陳新偉.  機(jī)器人. 2017(02)
[4]基于快速視覺里程計(jì)和大回環(huán)局部優(yōu)化模型的改進(jìn)VSLAM算法[J]. 李永鋒,張國良,王蜂,湯文俊,姚二亮.  機(jī)器人. 2015(05)
[5]實(shí)時(shí)高精度地圖匹配技術(shù)的研究與實(shí)現(xiàn)[J]. 柳林,李萬武,王志余,田雨.  測繪科學(xué). 2010(05)

碩士論文
[1]高精度地圖支撐的園區(qū)內(nèi)車道保持控制研究[D]. 李作文.吉林大學(xué) 2019
[2]高精度地圖的構(gòu)建及在定位和標(biāo)注中的應(yīng)用研究[D]. 周旺.國防科學(xué)技術(shù)大學(xué) 2016
[3]基于激光雷達(dá)的無人車三維環(huán)境建模技術(shù)研究[D]. 王銘.國防科學(xué)技術(shù)大學(xué) 2013



本文編號：3327658