隨著社會不斷進步和科技高速發(fā)展,與智能車相關的研究受到科研機構、企業(yè)和高校的密切關注,其涉及多學科知識的交叉融合,各方不斷加大研發(fā)的投入力度。無人駕駛作為智能車發(fā)展的高級目標,目前已取得階段性的突破。基于ROS平臺,本文以低速環(huán)境下的無人駕駛方程式賽車作為研究對象,結合實際賽道場景針對環(huán)境感知和跟蹤控制技術展開深入研究。在環(huán)境感知方面,采用32線激光雷達和攝像頭來感知賽道兩側的交通錐桶。首先采用基于視覺的目標檢測算法實現對交通錐桶目標的檢測,目的在于以盡可能高的檢測幀率下保證識別類別的正確性和定位框的準確性,對比分析基于人工設計特征的目標檢測算法和基于深度卷積網絡的目標檢測算法,分別針對基于區(qū)域的Faster R-CNN算法和基于回歸的SSD算法進行改進,從而確定最優(yōu)檢測方案能夠在現有平臺上滿足檢測需求;接著在完成激光雷達和攝像頭標定的基礎上,提出基于圖像上檢測框內交通錐桶目標的數據融合方法,將激光雷達提供的點云數據與圖像像素信息進行融合,確定交通錐桶目標在三維空間中的位置,為后續(xù)規(guī)劃路徑提供依據。組合慣導能夠實現厘米級高精度定位,將經緯度信息通過坐標轉換至二維車輛全局坐標系下來獲取無... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數】：85 頁

【學位級別】：碩士

【部分圖文】：

帕爾馬大學VisLab實驗賽ARGO無人車

谷歌無人車

哈爾濱工業(yè)大學工程碩士學位論文-4-被稱為“基于國產車輛平臺的城市自主駕駛智能車”。圖1-3無人駕駛汽車—紅旗HQ3國內眾多高科技公司也投入大量的財力與物力進行無人駕駛汽車研究，當中包括了百度、華為、阿里巴巴、滴滴等。其中以百度無人車最為突出，其所公布的Apollo無人駕駛系統架構如下圖1-4所示，目前業(yè)界大部分無人車的總體硬件架構都與其相似。2015年百度無人車首次實現在復雜交通場景下的無人駕駛，測試的最高車速達到100千米/時；2016年與著名旅游景區(qū)烏鎮(zhèn)進行合作，在景區(qū)內實現第4級的無人駕駛；2018年百度無人車在中央電視臺春節(jié)聯歡晚會上亮相，在港珠澳大橋表演“8字交叉”跑動表演。雷達雷達攝像頭攝像頭攝像頭GPS內置機箱工控機機箱底座GPS接收器慣導圖1-4Apollo無人駕駛系統架構綜上所述，關于智能車的研究，我國相較于歐美各國的研究起步時間較晚，但在相關技術的水平上總體差距并不大，目前各國基本處于同一起跑線上，車企不斷加大對無人駕駛技術的研發(fā)力度，廣泛采取與高科技企業(yè)合作的模式，爭取在相關技術領域實現突破。1.2.2目標檢測的研究現狀視覺傳感作為無人駕駛汽車環(huán)境感知的重要方法之一，其主要是通過機器視覺獲取周圍的環(huán)境信息，通過圖像處理對信息進行過濾與篩選，完成對周圍環(huán)境的感知[10]。無人駕駛汽車需要學會如何“睜眼看世界”，識別現實場景環(huán)境


本文編號：3423175