【摘要】：智能汽車對于改善個(gè)人出行方式,促進(jìn)汽車產(chǎn)業(yè)升級,減少交通事故等具有重要意義。智能汽車為實(shí)現(xiàn)無人駕駛功能首先要能夠精確地檢測周圍障礙物,并能預(yù)測動態(tài)障礙物的運(yùn)動趨勢。激光雷達(dá)相對于視覺傳感器具有較高的精確度,且受光線影響較小,因此激光雷達(dá)在障礙物的檢測中是不可或缺的。障礙物主要分為動態(tài)與靜態(tài)障礙物,檢測動、靜態(tài)障礙物首先要對激光數(shù)據(jù)點(diǎn)進(jìn)行分類,將激光點(diǎn)云進(jìn)行路面分割,檢測動態(tài)障礙物首先要獲知車輛自身的位姿變化。基于以上原因,本文主要從以下三個(gè)方面展開研究:對激光雷達(dá)點(diǎn)云路面分割技術(shù)進(jìn)行研究,針對傳統(tǒng)的高度閾值算法遇到坡道、顛簸路面的失效問題,本文將圖像分割中馬爾科夫隨機(jī)場模型應(yīng)用于點(diǎn)云分割,利用梯度柵格地圖替代圖像。根據(jù)梯度柵格地圖建立馬爾科夫隨機(jī)場,采用圖割方法來對隨機(jī)場求解,利用馬爾科夫隨機(jī)場的特性克服了坡道等不規(guī)則路面對點(diǎn)云分割的影響,實(shí)現(xiàn)不同路況下的點(diǎn)云分割。針對如何低成本獲知車輛位姿變化,從而為判斷動、靜態(tài)障礙物提供精確的判斷依據(jù)問題,本文利用Generalized-ICP算法以及擴(kuò)展卡爾曼濾波結(jié)合陀螺儀和加速度計(jì)信息,對短時(shí)間內(nèi)車輛的位姿變化進(jìn)行精確估計(jì)。首先利用Generalized-ICP算法進(jìn)行點(diǎn)云配準(zhǔn);然后利用配準(zhǔn)結(jié)果推算車輛位姿變化;最后擴(kuò)展卡爾曼濾波器根據(jù)車輛的位姿變化進(jìn)行量測更新,陀螺儀和加速度計(jì)作為擴(kuò)展卡爾曼濾波的控制輸入量,以擴(kuò)展卡爾曼濾波器的后驗(yàn)估計(jì)值作為最終的結(jié)果的輸出。實(shí)現(xiàn)了對車輛連續(xù)兩幀位姿變化的精確估計(jì)。針對檢測并跟蹤動態(tài)障礙物的問題,利用了改進(jìn)的DBSCAN算法對分離地面點(diǎn)后的障礙物數(shù)據(jù)點(diǎn)進(jìn)行聚類;采用最小凸包以及模糊線段的方法提取聚類后的外形輪廓以及角度特征;根據(jù)車輛的位姿變化對動、靜態(tài)障礙物進(jìn)行分辨,運(yùn)用多目標(biāo)假設(shè)的方法對連續(xù)兩幀所有的動態(tài)障礙物進(jìn)行數(shù)據(jù)關(guān)聯(lián);結(jié)合卡爾曼濾波器進(jìn)行速度估計(jì);從而實(shí)現(xiàn)了對動態(tài)障礙物的檢測與跟蹤。最后通過項(xiàng)目組的智能汽車實(shí)驗(yàn)平臺采集的雷達(dá)、加速度計(jì)和陀螺儀數(shù)據(jù)以及kitti數(shù)據(jù)集的實(shí)車數(shù)據(jù)進(jìn)行測試,驗(yàn)證了方法的可行性與穩(wěn)定性。
【圖文】：

停放或緩慢移動的車輛，在多個(gè)停車標(biāo)志的交叉點(diǎn)處如何優(yōu)先決策，變?yōu)榭燔嚨溃谕＼噲鐾＼囈约霸诘缆吠耆氯那闆r下掉頭。最終隆大學(xué)獲得冠軍，，斯坦福大學(xué)獲得亞軍[3]。圖 1-1 為斯坦福大學(xué)的“Junior”無人車，該車在導(dǎo)航方面，采用 Applan 組合導(dǎo)航系統(tǒng)，包括 GPS 接收機(jī)，高精度慣性測量儀，位置測量精度在 1，角度測量誤差在 0.1°以內(nèi)。兩個(gè) SICK 單線激光雷達(dá)和一個(gè)前置的 R傳感器用來測量路面結(jié)構(gòu)，并且通過反射強(qiáng)度來檢測道路線。在動態(tài)測方面，Velodyne64 線激光雷達(dá)作為主要傳感器，IBEO 激光雷達(dá)和K LDLRS 作為補(bǔ)充，5 個(gè) BOSCH 的毫米波雷達(dá)用來提供驗(yàn)證[4]�？蛯W(xué)的“Boss”無人車裝備與“Junior”基本類似，“Boss”比“Junior”用圖像傳感器�！癇oss”裝備了 Point Grey Firefly 工業(yè)相機(jī)[5]。圖 1-2 為隆大學(xué)的“Boss”無人車。

圖 1-2“Boss”智能汽車[5]圖 1-3 VIAC 無人駕駛車輛[6]德國柏林大學(xué)研制的“MIG”無人車搭載了攝像機(jī)、激光掃描儀、熱傳感導(dǎo)航等傳感器，能夠識別車輛、行人以及交通信號的相關(guān)信息。2011 林著名的勃蘭登堡門出發(fā)，到柏林國際會議中心，又安全返回出發(fā)地利通過了 46 個(gè)交通燈，并繞過兩處環(huán)島，整個(gè)行程近 20 公里（城市[7]。
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U463.6;TN958.98

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 董鵬;楊光;鄭奧柯;;我國智能汽車的現(xiàn)狀和解決對策及未來發(fā)展趨勢[J];武漢學(xué)刊;2018年01期

2 孫娜;;智能汽車未來的發(fā)展趨勢分析[J];中外企業(yè)家;2018年25期

3 董鵬;王昊;謝峰波;劉大慶;;我國智能汽車發(fā)展中的困境與出路[J];客車技術(shù);2018年01期

4 羅紅梅;周逸凡;;智能汽車產(chǎn)業(yè)的發(fā)展情況[J];摩托車技術(shù);2019年03期

5 沈廣輝;郝藝源;馮莉;;中國智能汽車發(fā)展研究[J];內(nèi)燃機(jī)與配件;2019年04期

6 王杰;;智能汽車未來發(fā)展趨勢分析[J];現(xiàn)代制造技術(shù)與裝備;2019年02期

7 許中緣;;論智能汽車侵權(quán)責(zé)任立法——以工具性人格為中心[J];法學(xué);2019年04期

8 喬劍峰;李德s

本文編號：2617733