發(fā)布時間：2017-08-29 23:00

  本文關鍵詞：城市道路汽車防碰撞系統(tǒng)障礙物識別算法及應用研究

  更多相關文章： 汽車 激光雷達 障礙物識別 目標跟蹤 安全距離

【摘要】：汽車主動避撞系統(tǒng)作為一種先進駕駛輔助技術,能夠輔助駕駛員,降低駕駛員駕駛強度和交通事故發(fā)生的可能性,改善汽車的主動安全性能,具有廣闊的市場發(fā)展前景。但在國內研究大多還處在論證和實驗階段,缺少價格合適的硬件系統(tǒng)和虛警率過高等都是急需解決的問題,因此對其進行相應的研究很有必要。本文以城市道路汽車主動避撞系統(tǒng)為應用背景,以單線激光雷達為主要傳感器,根據(jù)雷達掃描特性,設計了一套具有自適應特性的車輛前方障礙物檢測與跟蹤算法,使用Matlab/Simulink搭建仿真模型,對比了幾種常用的機動目標模型在不同仿真工況下的Kalman跟蹤結果,根據(jù)實車實驗數(shù)據(jù)獲得適應于實驗車主動避撞系統(tǒng)的安全距離模型。具體的研究內容如下:(1)通過對比近年來我國發(fā)生的交通事故中的一些實際數(shù)據(jù),引出了研究主動避撞系統(tǒng)的意義,對比分析了主動避撞系統(tǒng)的國內外研究現(xiàn)狀。介紹了現(xiàn)階段主動避撞系統(tǒng)障礙物識別所采用的幾種方法。(2)制定防撞系統(tǒng)障礙物識別算法整體流程。根據(jù)汽車防碰撞系統(tǒng)的工作原理,將整個障礙物識別算法分為行車信息感知、障礙物識別、目標跟蹤以及安全狀態(tài)評估四個部分,并分析了算法的關鍵技術。對比分析防碰撞系統(tǒng)的行車信息感知傳感器,選取激光雷達作為傳感器;對防碰撞系統(tǒng)控制單元的組成及接口電路進行了簡單介紹,為后續(xù)的算法的詳細介紹奠定基礎。(3)確定具有自適應閾值的障礙物識別算法。介紹了幾種常用的聚類分析算法的原理,分析比較各種算法的優(yōu)缺點,根據(jù)所選用的激光雷達的采樣特點,采用最近鄰聚類分析算法進行障礙物識別,同時根據(jù)掃描距離的變化自適應改變聚類閾值,以提升聚類算法的準確性。(4)選取機動目標模型,對自適應卡爾曼濾波算法進行研究。比較常速度模型、常加速度模型、Singer模型以及當前統(tǒng)計模型的系統(tǒng)原理及應用場合。根據(jù)城市道路車輛行駛的實際情況,選取當前統(tǒng)計模型作為機動目標模型,并采用基于當前統(tǒng)計模型的自適應卡爾曼濾波算法對車輛前方目標進行跟蹤,分析跟蹤系統(tǒng)參數(shù)對自適應算法的影響。(5)算法仿真對比分析及實車實驗。應用Simulink搭建仿真模型,就勻速運動、勻加速運動及變加速度運動三種仿真工況對常速度模型、常加速度模型以及當前統(tǒng)計模型進行目標跟蹤仿真對比實驗。搭建實車實驗平臺,對聚類分析算法及目標跟蹤算法進行實車實驗驗證。以駕駛員預瞄安全距離模型為基礎進行安全狀態(tài)評估試驗,對試驗測得的制動距離進行回歸分析處理,最終得到適應于實驗車主動避撞系統(tǒng)的安全距離模型。
【關鍵詞】：汽車 激光雷達 障礙物識別 目標跟蹤 安全距離
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U463.6
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-23
• 1.1 課題研究的背景及意義11-13
• 1.2 汽車主動避撞系統(tǒng)簡介13-15
• 1.2.1 汽車主動避撞系統(tǒng)的組成和形式14
• 1.2.2 汽車主動避撞系統(tǒng)的功能作用14-15
• 1.3 研究現(xiàn)狀分析15-22
• 1.3.1 主動避撞系統(tǒng)國外研究現(xiàn)狀15-18
• 1.3.2 主動避撞系統(tǒng)國內研究現(xiàn)狀18-20
• 1.3.3 主動避撞系統(tǒng)研究現(xiàn)狀對比分析20
• 1.3.4 障礙物檢測研究現(xiàn)狀20-22
• 1.4 本文的主要研究內容22
• 1.5 本章小結22-23
• 第2章 汽車防碰撞系統(tǒng)障礙物識別算法總體設計23-35
• 2.1 汽車防碰撞系統(tǒng)障礙物識別算法總體流程23-24
• 2.2 汽車防碰撞系統(tǒng)障礙物識別算法關鍵技術24-25
• 2.2.1 體現(xiàn)駕駛員特點的安全距離模型建模24
• 2.2.2 障礙物識別24
• 2.2.3 目標跟蹤系統(tǒng)的建立24-25
• 2.3 傳感器選型25-29
• 2.3.1 機器視覺25
• 2.3.2 車載雷達傳感器25-29
• 2.4 控制器介紹29-33
• 2.4.1 單片機的基本特點30
• 2.4.2 MC9S12DG128功能電路介紹30-33
• 2.5 本章小結33-35
• 第3章 汽車防碰撞系統(tǒng)障礙物識別跟蹤算法研究35-65
• 3.1 雷達數(shù)據(jù)預處理36-40
• 3.1.1 距離轉換36-37
• 3.1.2 數(shù)據(jù)濾波37-39
• 3.1.3 坐標變換39-40
• 3.2 聚類分析算法40-45
• 3.2.1 K-均值聚類算法41
• 3.2.2 DBSCAN聚類算法41
• 3.2.3 模糊聚類算法41-42
• 3.2.4 最近鄰聚類算法42-45
• 3.3 目標跟蹤算法45-58
• 3.3.1 Kalman濾波算法45-48
• 3.3.2 目標運動模型48-57
• 3.3.3 基于當前統(tǒng)計模型的自適應卡爾曼濾波57-58
• 3.4 車輛安全狀態(tài)評估58-63
• 3.4.1 基于制動過程運動學分析的安全距離模型58-60
• 3.4.2 基于車間時距的安全距離模型60
• 3.4.3 駕駛員預瞄安全距離模型60-62
• 3.4.4 基于駕駛員特性的安全距離模型62-63
• 3.4.5 安全距離模型方案選擇63
• 3.5 本章小結63-65
• 第4章 汽車防碰撞系統(tǒng)障礙物識別算法試驗驗證65-81
• 4.1 目標跟蹤算法仿真試驗65-73
• 4.2 實車試驗驗證73-80
• 4.2.1 試驗平臺搭建73-75
• 4.2.2 目標跟蹤算法實車試驗75-78
• 4.2.3 安全狀態(tài)評估實車試驗78-80
• 4.3 本章小結80-81
• 第5章 全文總結與展望81-83
• 5.1 全文總結81-82
• 5.2 工作展望82-83
• 參考文獻83-87
• 作者簡介及科研成果87-89
• 致謝89

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 呂德剛;張金柱;;汽車主動安全避撞系統(tǒng)發(fā)展研究[J];黑龍江科技信息;2010年09期

2 王向華;覃征;楊新宇;楊慧杰;;基于多次卡爾曼濾波的目標自適應跟蹤算法與仿真分析[J];系統(tǒng)仿真學報;2008年23期

3 馮少榮;肖文俊;;基于密度的DBSCAN聚類算法的研究及應用[J];計算機工程與應用;2007年20期

4 侯德藻,劉剛,高鋒,李克強,連小珉;新型汽車主動避撞安全距離模型[J];汽車工程;2005年02期

5 王建強,劉剛,李克強,連小珉;復雜路況下汽車主動避撞報警技術研究[J];公路交通科技;2005年04期

6 呂立波;激光測距技術在汽車防碰撞領域中的應用[J];警察技術;2005年02期

7 侯德藻,李克強,連小珉,劉鋒;新型車載探測雷達系統(tǒng)技術研究[J];中國機械工程;2004年21期

8 朱珂;;汽車防撞系統(tǒng)與毫米波雷達[J];輕型汽車技術;2003年10期

9 侯德藻,李克強,鄭四發(fā),連小珉;汽車主動避撞系統(tǒng)中的報警方法及其關鍵技術[J];汽車工程;2002年05期

10 高振海,管欣,郭孔輝;糊決策理論在駕駛員行為研究中的應用[J];系統(tǒng)工程理論與實踐;2001年06期

中國博士學位論文全文數(shù)據(jù)庫 前3條

1 劉培勛;車輛主動安全中關于車輛檢測與跟蹤算法的若干研究[D];吉林大學;2015年

2 徐濤;毫米波汽車防撞雷達實用化研究[D];中國科學院研究生院（上海微系統(tǒng)與信息技術研究所）;2003年

3 柴毅;智能化汽車主動安全系統(tǒng)研究[D];重慶大學;2001年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 莊秀華;基于單線激光雷達的障礙物檢測與跟蹤研究[D];湖南大學;2014年

2 劉凡;智能車輛前方機動目標的運動狀態(tài)識別方法研究[D];吉林大學;2014年

3 陳冬雪;城市工況汽車低速避撞控制策略研究[D];吉林大學;2014年

4 丁海鳳;汽車主動防撞預警系統(tǒng)雷達信號處理研究[D];吉林大學;2013年

5 王凱;汽車安全自動保護系統(tǒng)主動避撞設計與實現(xiàn)[D];湖南大學;2010年

6 于洋;激光探測汽車主動防碰撞技術與系統(tǒng)研究[D];南京理工大學;2010年

7 李詩福;汽車避撞控制系統(tǒng)建模與仿真研究[D];湖南大學;2009年

8 包穎;基于劃分的聚類算法研究與應用[D];大連理工大學;2008年

9 吉德志;基于蒙特卡洛方法的汽車防撞預警系統(tǒng)研究[D];中國海洋大學;2008年

10 馬娟麗;汽車防撞控制系統(tǒng)的研究[D];西北工業(yè)大學;2007年

，

本文編號：755880