在無(wú)人駕駛汽車行駛過程中,如何為無(wú)人駕駛汽車提供實(shí)時(shí)高精度位姿估計(jì)一直是其研究領(lǐng)域中的核心問題。常用的GPS定位系統(tǒng)能夠?yàn)闊o(wú)人駕駛汽車提供較高精度的位姿（位置與航向角）估計(jì),但定位效果依賴衛(wèi)星信號(hào)、易受周圍環(huán)境干擾,因此通常引入車輛航跡推算信息進(jìn)行補(bǔ)償,然而對(duì)于三維運(yùn)動(dòng)車輛如何估計(jì)短時(shí)間內(nèi)車輛位姿的相對(duì)變化是問題的關(guān)鍵。因此本文針對(duì)無(wú)人駕駛汽車相對(duì)位姿估計(jì)問題展開研究,提出了基于激光里程計(jì)的位姿估計(jì)算法框架實(shí)現(xiàn)無(wú)人駕駛汽車相對(duì)位姿估計(jì),主要工作如下:（1）本文激光里程計(jì)以靜態(tài)障礙物為特征,首先基于16線激光雷達(dá),提出一種無(wú)人駕駛汽車行駛環(huán)境中障礙物檢測(cè)方法。針對(duì)激光掃描環(huán)境中不同障礙物模型得到的三維點(diǎn)云分布差異問題,通過基于不同障礙物特征檢測(cè)方法進(jìn)行障礙物檢測(cè),從而有效提高障礙物實(shí)時(shí)檢測(cè)效果。（2）為實(shí)現(xiàn)去除動(dòng)態(tài)障礙物的不利影響,運(yùn)用汽車?yán)锍逃?jì)模型和Kalman濾波器,對(duì)障礙物模型進(jìn)行位姿預(yù)測(cè),并對(duì)不同幀間障礙物進(jìn)行匹配關(guān)聯(lián),使用靜態(tài)障礙物模型時(shí)空無(wú)突變特性將動(dòng)態(tài)障礙物濾除。從而實(shí)現(xiàn)利用靜態(tài)障礙物為特征求解相鄰幀間車輛位姿相對(duì)變化,進(jìn)一步實(shí)現(xiàn)局部環(huán)境中的激光里程計(jì)。實(shí)車實(shí)驗(yàn)結(jié)果表明,針... 

【文章來(lái)源】：長(zhǎng)安大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

國(guó)內(nèi)無(wú)人駕駛汽車

引起了一波新的研究浪潮。另外，信息通信技術(shù)、人工智能、計(jì)算機(jī)技術(shù)的發(fā)展也快速的推動(dòng)了無(wú)人駕駛領(lǐng)域向縱深方向發(fā)展。圖 1.1(a)為國(guó)發(fā)的無(wú)人駕駛汽車，圖 1.1(b)為百度無(wú)人駕駛汽車。圖 1.2(a)所示為谷歌無(wú)圖 1.2(b)為 UBER 無(wú)人駕駛汽車。(a) 無(wú)人(自主)駕駛紅旗 HQ3 轎車 (b) 百度無(wú)人駕駛汽車圖 1.1 國(guó)內(nèi)無(wú)人駕駛汽車

實(shí)現(xiàn)基于激光里程計(jì)的無(wú)人駕駛汽車位姿估計(jì)為目的的算法示。障礙物檢測(cè)模塊實(shí)時(shí)的對(duì)激光雷達(dá)原始數(shù)據(jù)進(jìn)行處理，傳輸給匹配關(guān)聯(lián)模塊；CAN 總線模塊將汽車方向盤轉(zhuǎn)角、預(yù)測(cè)模塊，障礙物位姿預(yù)測(cè)模塊通過 CAN 總線數(shù)據(jù)對(duì)上一；匹配關(guān)聯(lián)模塊對(duì)當(dāng)前幀障礙物模型集與上一幀障礙物模型模塊對(duì)障礙物匹配關(guān)聯(lián)集進(jìn)行分割得到動(dòng)態(tài)、靜態(tài)障礙物匹態(tài)障礙物匹配集對(duì)無(wú)人駕駛汽車位姿變換進(jìn)行求解，誤差模換預(yù)測(cè)值與觀測(cè)值誤差，從而在位姿優(yōu)化模塊中采用 Kalma駛汽車位姿估計(jì)進(jìn)行更新，從而實(shí)現(xiàn)基于激光里程計(jì)的無(wú)人量模塊利用得到的位姿優(yōu)化結(jié)果對(duì)動(dòng)態(tài)障礙物進(jìn)行速度矢量

【參考文獻(xiàn)】：
期刊論文
[1]基于雙目ORB-SLAM的障礙物記憶定位與去噪算法[J]. 魏彤,金礪耀.  機(jī)器人. 2018(03)
[2]基于改進(jìn)的3維ICP匹配的單目視覺里程計(jì)[J]. 袁夢(mèng),李艾華,崔智高,姜柯,鄭勇.  機(jī)器人. 2018(01)
[3]基于信息融合的智能車障礙物檢測(cè)方法[J]. 陸峰,徐友春,李永樂,王德宇,謝德勝.  計(jì)算機(jī)應(yīng)用. 2017(S2)
[4]基于密度的K-means算法在軌跡數(shù)據(jù)聚類中的優(yōu)化[J]. 郝美薇,戴華林,郝琨.  計(jì)算機(jī)應(yīng)用. 2017(10)
[5]激光三角法在水下機(jī)器人定位中的研究[J]. 耿文波,姚遙.  激光雜志. 2017(08)
[6]基于三維激光雷達(dá)的動(dòng)態(tài)障礙物檢測(cè)和追蹤方法[J]. 鄒斌,劉康,王科未.  汽車技術(shù). 2017(08)
[7]基于改進(jìn)SURF算法的單目視覺里程計(jì)[J]. 冉峰,李天,季淵,劉萬(wàn)林.  電子測(cè)量技術(shù). 2017(05)
[8]異構(gòu)蜂窩網(wǎng)絡(luò)中一種基于匈牙利算法的用戶關(guān)聯(lián)方法[J]. 蘇恭超,陳彬,林曉輝,王暉,李樂民.  電子科技大學(xué)學(xué)報(bào). 2017(02)
[9]不確定數(shù)據(jù)聚類綜述[J]. 羅來(lái)源,孫國(guó)寶.  電腦知識(shí)與技術(shù). 2017(01)
[10]聯(lián)合作戰(zhàn)目標(biāo)協(xié)同模型構(gòu)建與求解方法[J]. 張憲,許瑞明.  指揮控制與仿真. 2016(06)

博士論文
[1]基于三維激光雷達(dá)的無(wú)人駕駛車輛環(huán)境建模關(guān)鍵技術(shù)研究[D]. 劉健.中國(guó)科學(xué)技術(shù)大學(xué) 2016

碩士論文
[1]三維激光雷達(dá)在自主車環(huán)境感知中的應(yīng)用研究[D]. 諶彤童.國(guó)防科學(xué)技術(shù)大學(xué) 2011



本文編號(hào)：3374468