近年來(lái),智能駕駛技術(shù)在全球范圍內(nèi)都引發(fā)了廣泛而熱烈的關(guān)注,而感知技術(shù)在其中有著較為重要的地位。高速公路是一種非常典型的行駛場(chǎng)景,具有車速高、場(chǎng)景相對(duì)單一的特點(diǎn),解決高速公路環(huán)境下的無(wú)人駕駛有重要的現(xiàn)實(shí)意義。在高速公路環(huán)境下的無(wú)人駕駛需要通過(guò)感知模塊檢測(cè)到更遠(yuǎn)距離的動(dòng)態(tài)車輛目標(biāo),并且獲得周圍車輛更為準(zhǔn)確的位置速度信息。因此本文針對(duì)上述的環(huán)境感知需求,采用了激光雷達(dá)與毫米波雷達(dá)的融合,實(shí)現(xiàn)了高速公路環(huán)境的車輛檢測(cè)與跟蹤方法。首先,為了獲取環(huán)境中所有的障礙物信息,需要對(duì)激光雷達(dá)的點(diǎn)云進(jìn)行路面分割。一方面獲取了環(huán)境靜態(tài)障礙物的信息,另一方面也降低了后續(xù)的車輛檢測(cè)的難度。高速公路高度結(jié)構(gòu)化的特點(diǎn)使得穩(wěn)定的路面去除更加可行,但仍存在一些難點(diǎn)。由于臨檢、施工路段的存在,使得結(jié)合高精度地圖的方式無(wú)法時(shí)時(shí)可靠;常用的基于搜索的障礙物檢測(cè)方法對(duì)于路面檢測(cè)召回率較高,準(zhǔn)確率較低,點(diǎn)的缺失對(duì)于后續(xù)的車輛檢測(cè)模塊不利;基于擬合的方式如RANSAC速度較慢,同時(shí)也有一定局限性。因此,本文結(jié)合搜索和擬合方法,提出了基于徑向梯度特征點(diǎn)的路面擬合方法來(lái)進(jìn)行路面分割。既能在高速公路各種場(chǎng)景下得到較為魯棒的效果,又能達(dá)到相... 

【文章來(lái)源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

卡內(nèi)基梅隆大學(xué)的NavLab-11系統(tǒng)

上海交通大學(xué)碩士學(xué)位論文-4-第二屆比賽在第一屆的基礎(chǔ)上增加了難度，整個(gè)路徑包括多個(gè)狹窄隧道和急轉(zhuǎn)彎道。最終，斯坦福大學(xué)的“Stanley”智能車以7個(gè)小時(shí)左右的時(shí)間成功完成比賽任務(wù)[50]。圖1-2斯坦福大學(xué)的“Stanley”智能車Fig.1-2StanleysmartcarofStanfordUniversity如圖1-2所示，它主要采用了激光雷達(dá)和攝像頭，其中激光雷達(dá)用于檢測(cè)道路中的障礙物，攝像頭用于檢測(cè)前方的道路區(qū)域[7]。為了提高智能車在城市環(huán)境下的自主導(dǎo)航能力，DAPPA于2007年舉辦了城市挑戰(zhàn)賽，比賽要求參賽車輛在6小時(shí)之內(nèi)完成長(zhǎng)約96公里的城市道路，最終來(lái)自卡內(nèi)基梅隆大學(xué)的“BOSS”智能車獲得冠軍。如圖1-3所示，該車配備了三種傳感器用于感知周圍環(huán)境，包括十一個(gè)激光雷達(dá)、五個(gè)毫米波雷達(dá)和兩個(gè)攝像頭[14]。圖1-3卡內(nèi)基梅隆大學(xué)的“BOSS”智能車Fig.1-3CarnegieMellonUniversity"s"BOSS"smartcar近幾年，國(guó)外越來(lái)越多的公司加入到智能車的研究當(dāng)中。特斯拉采用了非常依賴視覺(jué)的方案。如圖1-4所示，其采用攝像頭識(shí)別車道，實(shí)現(xiàn)車道保持，前瞻加了一個(gè)毫米波雷達(dá)，用以控制車速，車身附近8米通過(guò)12個(gè)超聲波雷達(dá)實(shí)現(xiàn)了全覆蓋，而后視完全通過(guò)視覺(jué)實(shí)現(xiàn)。

上海交通大學(xué)碩士學(xué)位論文-4-第二屆比賽在第一屆的基礎(chǔ)上增加了難度，整個(gè)路徑包括多個(gè)狹窄隧道和急轉(zhuǎn)彎道。最終，斯坦福大學(xué)的“Stanley”智能車以7個(gè)小時(shí)左右的時(shí)間成功完成比賽任務(wù)[50]。圖1-2斯坦福大學(xué)的“Stanley”智能車Fig.1-2StanleysmartcarofStanfordUniversity如圖1-2所示，它主要采用了激光雷達(dá)和攝像頭，其中激光雷達(dá)用于檢測(cè)道路中的障礙物，攝像頭用于檢測(cè)前方的道路區(qū)域[7]。為了提高智能車在城市環(huán)境下的自主導(dǎo)航能力，DAPPA于2007年舉辦了城市挑戰(zhàn)賽，比賽要求參賽車輛在6小時(shí)之內(nèi)完成長(zhǎng)約96公里的城市道路，最終來(lái)自卡內(nèi)基梅隆大學(xué)的“BOSS”智能車獲得冠軍。如圖1-3所示，該車配備了三種傳感器用于感知周圍環(huán)境，包括十一個(gè)激光雷達(dá)、五個(gè)毫米波雷達(dá)和兩個(gè)攝像頭[14]。圖1-3卡內(nèi)基梅隆大學(xué)的“BOSS”智能車Fig.1-3CarnegieMellonUniversity"s"BOSS"smartcar近幾年，國(guó)外越來(lái)越多的公司加入到智能車的研究當(dāng)中。特斯拉采用了非常依賴視覺(jué)的方案。如圖1-4所示，其采用攝像頭識(shí)別車道，實(shí)現(xiàn)車道保持，前瞻加了一個(gè)毫米波雷達(dá)，用以控制車速，車身附近8米通過(guò)12個(gè)超聲波雷達(dá)實(shí)現(xiàn)了全覆蓋，而后視完全通過(guò)視覺(jué)實(shí)現(xiàn)。

【參考文獻(xiàn)】：
期刊論文
[1]百度谷歌無(wú)人駕駛汽車發(fā)展綜述[J]. 何佳,戎輝,王文揚(yáng),田曉笛,高嵩,郭蓬.  汽車電器. 2017(12)
[2]基于多層激光雷達(dá)的道路信息提取算法[J]. 段建民,鄭凱華,李龍杰,史麗曉.  控制工程. 2016(04)
[3]車載激光雷達(dá)外參數(shù)的標(biāo)定方法[J]. 程金龍,馮瑩,曹毓,雷兵,魏立安.  光電工程. 2013(12)
[4]利用奇異值特征的激光成像雷達(dá)目標(biāo)識(shí)別[J]. 陳曉清,馬君國(guó),付強(qiáng),莊釗文.  紅外與激光工程. 2011(09)
[5]基于二維小波變換的激光成像雷達(dá)目標(biāo)識(shí)別算法[J]. 陳曉清,馬君國(guó),趙宏鐘,付強(qiáng).  激光與光電子學(xué)進(jìn)展. 2011(04)
[6]基于激光雷達(dá)的車輛跟蹤與識(shí)別方法[J]. 甘志梅,王春香,楊明.  上海交通大學(xué)學(xué)報(bào). 2009(06)
[7]毫米波雷達(dá)的應(yīng)用和發(fā)展趨勢(shì)[J]. 白惜光.  現(xiàn)代雷達(dá). 1997(03)

博士論文
[1]無(wú)人駕駛汽車動(dòng)態(tài)障礙物避撞關(guān)鍵技術(shù)研究[D]. 黃如林.中國(guó)科學(xué)技術(shù)大學(xué) 2017
[2]基于三維激光雷達(dá)的動(dòng)態(tài)車輛檢測(cè)與跟蹤[D]. 諶彤童.國(guó)防科學(xué)技術(shù)大學(xué) 2016
[3]復(fù)雜環(huán)境下智能車輛動(dòng)態(tài)目標(biāo)三維感知方法研究[D]. 王肖.清華大學(xué) 2016
[4]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
[5]基于激光雷達(dá)的智能車輛目標(biāo)識(shí)別與跟蹤關(guān)鍵技術(shù)研究[D]. 周俊靜.北京工業(yè)大學(xué) 2014

碩士論文
[1]基于容積卡爾曼濾波的雷達(dá)運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D]. 林艷莉.成都理工大學(xué) 2017
[2]無(wú)人車視覺(jué)導(dǎo)航中的前方車輛檢測(cè)方法研究[D]. 趙起超.南京理工大學(xué) 2017
[3]城市環(huán)境基于三維激光雷達(dá)的自動(dòng)駕駛車輛多目標(biāo)檢測(cè)及跟蹤算法研究[D]. 葉剛.北京理工大學(xué) 2016
[4]基于多層激光雷達(dá)的道路與障礙物信息提取算法[D]. 鄭凱華.北京工業(yè)大學(xué) 2015
[5]基于多傳感器信息融合的動(dòng)態(tài)目標(biāo)檢測(cè)與識(shí)別[D]. 閆光.北京理工大學(xué) 2015
[6]機(jī)載多傳感器數(shù)據(jù)融合目標(biāo)跟蹤技術(shù)研究與實(shí)現(xiàn)[D]. 全麗.電子科技大學(xué) 2012
[7]基于三維激光雷達(dá)的運(yùn)動(dòng)目標(biāo)實(shí)時(shí)檢測(cè)與跟蹤[D]. 楊飛.浙江大學(xué) 2012
[8]基于雷達(dá)的智能車多目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D]. 趙萬(wàn)里.中南大學(xué) 2011
[9]基于主動(dòng)視覺(jué)的智能車導(dǎo)航系統(tǒng)研究[D]. 張宇騰.上海交通大學(xué) 2010



本文編號(hào)：3469193