伴隨著人工智能的發(fā)展,無(wú)人駕駛汽車(chē)逐漸走進(jìn)人們的視野。由于用計(jì)算機(jī)代替了傳統(tǒng)駕駛員,擺脫了“路怒”、“新手”、“醉駕”、“加塞”等現(xiàn)象,所以既減少了交通事故,同時(shí)緩解了城市擁堵。本文以長(zhǎng)安大學(xué)無(wú)人駕駛原型車(chē)為試驗(yàn)平臺(tái),重點(diǎn)研究了基于GPS和激光雷達(dá)的無(wú)人駕駛策略,主要工作內(nèi)容如下:(1)使用Trimble-BD982和千尋F2414搭建了差分GPS硬件平臺(tái),基于載波相位差分技術(shù)(RTK)采集了GPS點(diǎn)位,針對(duì)由于車(chē)速過(guò)高導(dǎo)致GPS點(diǎn)位稀疏現(xiàn)象,采用Neville插值法對(duì)稀疏區(qū)域進(jìn)行插值。使用高斯投影將GPS點(diǎn)位從WGS-84坐標(biāo)系轉(zhuǎn)化到高斯坐標(biāo)系,按照3°間隔對(duì)高斯投影分帶緩解投影變形問(wèn)題。使用NURBS算法對(duì)離散點(diǎn)進(jìn)行曲線(xiàn)擬合,得到了平滑的GPS路網(wǎng)。根據(jù)Trimble-BD982輸出車(chē)輛實(shí)時(shí)的航向和位置信息,計(jì)算出了車(chē)輛相對(duì)于預(yù)瞄點(diǎn)的偏航角和偏航距離。(2)解析HDL-64E激光雷達(dá)的UDP原始數(shù)據(jù)包,根據(jù)標(biāo)定文件將點(diǎn)云從歐氏坐標(biāo)系轉(zhuǎn)化到笛卡爾坐標(biāo)系。對(duì)激光雷達(dá)關(guān)于車(chē)輛的俯仰角、側(cè)傾角和旋轉(zhuǎn)角進(jìn)行標(biāo)定,將點(diǎn)云從激光雷達(dá)坐標(biāo)系轉(zhuǎn)化到車(chē)輛坐標(biāo)系。根據(jù)障礙物會(huì)破壞路面在同一束激光下形成的規(guī)...

【文章頁(yè)數(shù)】：108 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景與意義
    1.2 國(guó)外無(wú)人車(chē)研究概況
    1.3 國(guó)內(nèi)無(wú)人車(chē)研究概況
    1.4 無(wú)人駕駛汽車(chē)三大模塊及關(guān)鍵技術(shù)
        1.4.1 無(wú)人駕駛汽車(chē)三大模塊
        1.4.2 無(wú)人駕駛汽車(chē)關(guān)鍵技術(shù)
    1.5 本文主要研究?jī)?nèi)容及章節(jié)安排
第二章 GPS高精度導(dǎo)航系統(tǒng)設(shè)計(jì)
    2.1 GPS全球定位系統(tǒng)
    2.2 GPS定位差分系統(tǒng)
        2.2.1 差分技術(shù)
        2.2.2 差分導(dǎo)航系統(tǒng)搭建
    2.3 常用坐標(biāo)系統(tǒng)及其轉(zhuǎn)換
        2.3.1 常用坐標(biāo)系
        2.3.2 坐標(biāo)系轉(zhuǎn)換
    2.4 GPS數(shù)據(jù)采集
        2.4.1 GPS數(shù)據(jù)采集
        2.4.2 GPS數(shù)據(jù)插值
        2.4.3 曲線(xiàn)擬合算法
    2.5 GPS高精度導(dǎo)航算法設(shè)計(jì)
        2.5.1 常用尋跡算法概述
        2.5.2 偏航角和偏航距離的計(jì)算
    2.6 本章小結(jié)
第三章 基于激光雷達(dá)的避障系統(tǒng)設(shè)計(jì)
    3.1 激光雷達(dá)工作原理概述
        3.1.1 TOF測(cè)量
        3.1.2 UDP通訊
    3.2 數(shù)據(jù)處理
        3.2.1 原始數(shù)據(jù)濾波降噪
        3.2.2 激光雷達(dá)坐標(biāo)系轉(zhuǎn)化為車(chē)體坐標(biāo)系
        3.2.3 路面剔除
        3.2.4 基于向外生長(zhǎng)的種子聚類(lèi)算法
    3.3 激光雷達(dá)避障算法設(shè)計(jì)
        3.3.1 基于路沿檢測(cè)的感興趣區(qū)域提取
        3.3.2 動(dòng)態(tài)障礙物與靜態(tài)障礙物的區(qū)分
        3.3.3 最小矩形包絡(luò)法
        3.3.4 障礙物擴(kuò)容算法
        3.3.5 車(chē)體坐標(biāo)系轉(zhuǎn)化為高斯坐標(biāo)系
    3.4 本章小結(jié)
第四章 車(chē)輛橫縱向控制和底層設(shè)計(jì)
    4.1 模糊控制概述
    4.2 基于偏航角和偏航距離的模糊控制上位機(jī)設(shè)計(jì)
        4.2.1 變量模糊化
        4.2.2 模糊規(guī)則建立
        4.2.3 輸出去模糊化
    4.3 調(diào)頭的橫向控制算法設(shè)計(jì)
    4.4 橫縱向控制的下位機(jī)設(shè)計(jì)
        4.4.1 橫向控制下位機(jī)設(shè)計(jì)
        4.4.2 縱向控制下位機(jī)設(shè)計(jì)
        4.4.3 下位機(jī)與車(chē)輛和上位機(jī)通訊方案設(shè)計(jì)
    4.5 本章小結(jié)
第五章 實(shí)車(chē)試驗(yàn)
    5.1 上位機(jī)算法驗(yàn)證
    5.2 下位機(jī)算法驗(yàn)證
    5.3 本章小結(jié)
結(jié)論與展望
參考文獻(xiàn)
附錄
攻讀學(xué)位期間取得的研究成果
致謝



本文編號(hào)：4012922