為了減輕交通壓力、改善交通環(huán)境、提高交通安全,人們開始在無人駕駛方面進(jìn)行了大量的研究,其中在無人駕駛的目標(biāo)跟蹤方面,為了及時(shí)準(zhǔn)確地判斷目標(biāo)的運(yùn)動(dòng)情況,通常選擇攝像頭、毫米波雷達(dá)、激光雷達(dá)等設(shè)備進(jìn)行信息采集,其中激光雷達(dá)因測(cè)量精度高、環(huán)境適應(yīng)能力強(qiáng)等特點(diǎn)被作為最主要的信息采集設(shè)備之一。本文通過激光雷達(dá)進(jìn)行目標(biāo)信息采集,在其掃描數(shù)據(jù)的基礎(chǔ)上進(jìn)行目標(biāo)跟蹤等相關(guān)研究,其主要研究?jī)?nèi)容如下:在目標(biāo)檢測(cè)過程,首先采用Voxel Grid濾波器對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行降采樣,保證點(diǎn)云特征不變的情況下減少點(diǎn)云密度,然后采用平面擬合算法對(duì)地面點(diǎn)云進(jìn)行分割去除,采用統(tǒng)計(jì)濾波器對(duì)點(diǎn)云進(jìn)行噪聲點(diǎn)去除,為了更準(zhǔn)確地對(duì)處理后的點(diǎn)云進(jìn)行聚類,提出了一種改進(jìn)的聚類算法,即在歐式聚類算法的基礎(chǔ)上引入了不同區(qū)域設(shè)定不同聚類半徑閾值的方法,并針對(duì)人和汽車相臨近時(shí)容易聚為一類的情況引入反射強(qiáng)度進(jìn)行判斷。在目標(biāo)跟蹤過程,為了能夠更好地估計(jì)目標(biāo)狀態(tài),本文在粒子濾波算法的基礎(chǔ)上,結(jié)合正則化思想和無損卡爾曼濾波提出了一種改進(jìn)的粒子濾波算法,即在重要性密度函數(shù)選擇上采用無損卡爾曼濾波進(jìn)行狀態(tài)更新,在粒子重采樣過程中采用正則化步驟優(yōu)化粒子的重采樣,... 

【文章來源】：山東理工大學(xué)山東省

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

004-2018年美國(guó)交通事故死亡人數(shù)統(tǒng)計(jì)

山東理工大學(xué)碩士學(xué)位論文第二章基于激光雷達(dá)的目標(biāo)檢測(cè)與跟蹤13然后根據(jù)角度及測(cè)量距離信息獲取激光點(diǎn)云中每點(diǎn)的三維坐標(biāo)信息。2.2基于激光點(diǎn)云的目標(biāo)檢測(cè)在獲取激光雷達(dá)掃描的數(shù)據(jù)后，需要對(duì)其內(nèi)部數(shù)據(jù)進(jìn)行檢測(cè)，其檢測(cè)是為了能夠判斷出哪些障礙物是需要研究的對(duì)象，如汽車、行人等，哪些障礙物是不需要研究的對(duì)象，如樹木、建筑物等。通過一系列操作對(duì)掃描數(shù)據(jù)進(jìn)行處理，從而可以對(duì)掃描數(shù)據(jù)中的研究對(duì)象進(jìn)行標(biāo)識(shí)，使得后續(xù)的目標(biāo)跟蹤對(duì)跟蹤對(duì)象有一定的針對(duì)性，使得目標(biāo)跟蹤更加準(zhǔn)確實(shí)時(shí)。從激光雷達(dá)采集的數(shù)據(jù)中隨機(jī)選擇一幀，對(duì)其進(jìn)行可視化操作，如圖2.4所示，從圖中我們可以看出，該圖存在很多個(gè)點(diǎn)，這些點(diǎn)按照一定的規(guī)律進(jìn)行排列存在，根據(jù)其特征可以對(duì)其進(jìn)行辨別，圖中上方有很多輛汽車，這些汽車并排排列，在汽車下方的區(qū)域，分別為道路、道路兩旁的樹木和在道路上的行人，除了這些可以辨識(shí)的點(diǎn)，圖中還有一些無法辨識(shí)的點(diǎn)，這些點(diǎn)就是激光雷達(dá)自身和外界干擾產(chǎn)生的噪聲點(diǎn)。圖2.4激光點(diǎn)云數(shù)據(jù)圖Fig.2.4Laserpointclouddatamap在激光雷達(dá)采集的掃描數(shù)據(jù)中，地面的離散點(diǎn)數(shù)量居多且不是目標(biāo)檢測(cè)跟蹤的主要目標(biāo)，這些離散點(diǎn)不僅會(huì)增長(zhǎng)計(jì)算時(shí)間，還會(huì)影響目標(biāo)實(shí)時(shí)跟蹤；激光雷達(dá)的掃描距離很遠(yuǎn)，但在數(shù)據(jù)顯示中可以看出較遠(yuǎn)的掃描數(shù)據(jù)特征不是那么明顯，其一定范圍外的離散點(diǎn)很難進(jìn)行精確判斷且延長(zhǎng)程序運(yùn)行；在實(shí)際的行駛過程中，運(yùn)動(dòng)載體兩側(cè)的行駛情況只需要考慮附近五米到十米范圍內(nèi)，無需與前后方的掃描范圍一樣，其兩側(cè)一定范圍外的離散點(diǎn)不需要判斷且增加計(jì)算量。通過上述問題可以看出，掃描數(shù)據(jù)中的相關(guān)離散

無損變換

【參考文獻(xiàn)】：
期刊論文
[1]無人駕駛車穿街走巷見證“未來已來”[J]. 曹國(guó)廠,蘇曉洲,王昕怡.  人民交通. 2020(03)
[2]基于三維激光點(diǎn)云的目標(biāo)識(shí)別與跟蹤研究[J]. 徐國(guó)艷,牛歡,郭宸陽,蘇鴻杰.  汽車工程. 2020(01)
[3]美國(guó)自動(dòng)駕駛汽車的立法現(xiàn)狀[J]. 劉芳.  中國(guó)中小企業(yè). 2019(12)
[4]基于激光點(diǎn)云全局特征匹配處理的目標(biāo)跟蹤算法[J]. 錢其姝,胡以華,趙楠翔,李敏樂,邵福才.  激光與光電子學(xué)進(jìn)展. 2020(06)
[5]智能駕駛車載激光雷達(dá)關(guān)鍵技術(shù)與應(yīng)用算法[J]. 陳曉冬,張佳琛,龐偉凇,艾大航,汪毅,蔡懷宇.  光電工程. 2019(07)
[6]2019上半年全國(guó)機(jī)動(dòng)車保有量達(dá)3.4億輛[J]. 商訊.  商用汽車. 2019(07)
[7]基于改進(jìn)進(jìn)化匈牙利的多目標(biāo)跟蹤算法研究[J]. 李炯,李建市,馮明月,朱愿.  軍事交通學(xué)院學(xué)報(bào). 2019(06)
[8]三維激光雷達(dá)在無人車環(huán)境感知中的應(yīng)用研究[J]. 張銀,任國(guó)全,程子陽,孔國(guó)杰.  激光與光電子學(xué)進(jìn)展. 2019(13)
[9]一種城市環(huán)境三維點(diǎn)云配準(zhǔn)的預(yù)處理方法[J]. 趙凱,徐友春,王任棟.  光電工程. 2018(12)
[10]基于復(fù)合動(dòng)態(tài)模型和證據(jù)融合架構(gòu)的移動(dòng)物體檢測(cè)與跟蹤方法[J]. 程蔚,吳海彬,鄭洪慶.  計(jì)算機(jī)應(yīng)用研究. 2019(10)

碩士論文
[1]城區(qū)環(huán)境下基于激光雷達(dá)的障礙物聚類和跟蹤方法研究[D]. 張彩紅.中國(guó)科學(xué)技術(shù)大學(xué) 2019
[2]基于激光雷達(dá)的道路信息提取及目標(biāo)跟蹤算法研究[D]. 李帥印.北京工業(yè)大學(xué) 2019
[3]基于車載激光雷達(dá)的目標(biāo)識(shí)別方法研究[D]. 王旭.山東理工大學(xué) 2019
[4]基于單線激光雷達(dá)的障礙物檢測(cè)與跟蹤研究[D]. 莊秀華.湖南大學(xué) 2014



本文編號(hào)：3330613