【摘要】：當今時代,隨著經(jīng)濟的快速發(fā)展,交通堵塞頻繁、交通事故增多和環(huán)境污染等一系列社會問題變得愈發(fā)嚴重,汽車智能化是解決這些問題的重要途徑之一。智能汽車系統(tǒng)主要包括環(huán)境感知、規(guī)劃決策和控制執(zhí)行等三個部分。在環(huán)境感知中,四線激光雷達由于具有數(shù)據(jù)量適中、測量精度高和受環(huán)境影響小等優(yōu)勢而被廣泛使用,本文研究了基于四線激光雷達的目標檢測與跟蹤算法,主要開展了以下工作:第一,介紹四線激光雷達的安裝、標定和坐標轉(zhuǎn)換方法;設(shè)計基于柵格地圖最大最小高度差的濾波方法對四線激光雷達的原始數(shù)據(jù)進行濾波,實現(xiàn)對數(shù)據(jù)中噪聲和地面點的濾除。第二,根據(jù)四線激光雷達測量數(shù)據(jù)的分布特征,結(jié)合各種聚類算法的優(yōu)缺點,選擇 DBSCAN(Density-Based Spatial Clustering of Applications with Noise,噪聲環(huán)境下基于密度的聚類)算法作為目標檢測算法,針對DBSCAN算法輸入?yún)?shù)固定的缺陷,運用近鄰規(guī)模演化算法自適應(yīng)地確定算法的參數(shù);提出最小凸包法結(jié)合遍歷法的最小包絡(luò)矩形提取算法,將每一個目標用一個包絡(luò)矩形框表示,提取出目標的特征信息。第三,設(shè)計基于多特征信息的最近鄰數(shù)據(jù)關(guān)聯(lián)算法,通過構(gòu)建多特征匹配函數(shù)取代最近鄰數(shù)據(jù)關(guān)聯(lián)算法中的歐式距離,完成相鄰兩幀雷達量測之間的匹配;結(jié)合卡爾曼濾波器對激光雷達視野內(nèi)的動態(tài)目標進行跟蹤。最后,在Ubuntu 14.04下開發(fā)雷達的可視化界面;利用湖南大學(xué)LIFAN-IV智能車實驗平臺進行實驗,驗證目標檢測和目標跟蹤算法的有效性。實驗結(jié)果表明本文提出的目標檢測與跟蹤算法可以穩(wěn)定、可靠地提取目標特征信息并跟蹤動態(tài)目標。
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN958.98
【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
        1.1.1 智能車環(huán)境感知技術(shù)
        1.1.2 激光雷達在環(huán)境感知中的應(yīng)用
    1.2 國內(nèi)外智能車研究現(xiàn)狀
        1.2.1 國外智能車研究現(xiàn)狀
        1.2.2 國內(nèi)智能車研究現(xiàn)狀
    1.3 基于激光雷達的目標檢測與跟蹤算法研究現(xiàn)狀
        1.3.2 目標檢測與跟蹤算法研究現(xiàn)狀
        1.3.3 DBSCAN算法研究現(xiàn)狀
    1.4 本文的研究內(nèi)容
第2章 激光雷達坐標轉(zhuǎn)換與數(shù)據(jù)濾波
    2.1 四線激光雷達原理及優(yōu)勢
        2.1.1 激光雷達原理
        2.1.2 ibeo四線激光雷達性能及優(yōu)勢
    2.2 四線激光雷達數(shù)據(jù)的坐標轉(zhuǎn)換
        2.2.1 雷達安裝位置的確定
        2.2.2 坐標系的定義
        2.2.3 坐標的轉(zhuǎn)換
    2.3 基于柵格地圖最大最小高度差的雷達數(shù)據(jù)濾波
        2.3.1 常用的濾波算法
        2.3.2 基于柵格地圖最大最小高度差的濾波算法
        2.3.3 基于柵格地圖最大最小高度差的濾波算法實驗驗證
    2.4 本章小結(jié)
第3章 基于改進DBSCAN算法的目標檢測
    3.1 聚類算法的分析
        3.1.1 四線激光雷達數(shù)據(jù)特點
        3.1.2 聚類算法簡介
        3.1.3 DBSCAN算法
    3.2 基于改進DBSCAN算法的目標特征提取
        3.2.1 動態(tài)近鄰和近鄰密度變化率
        3.2.2 調(diào)整動態(tài)近鄰的演化算法
        3.2.3 基于動態(tài)近鄰的DBSCAN算法
        3.2.4 目標特征信息提取
    3.3 目標檢測算法實驗驗證
    3.4 本章小結(jié)
第4章 基于改進最近鄰數(shù)據(jù)關(guān)聯(lián)算法的目標跟蹤
    4.1 數(shù)據(jù)關(guān)聯(lián)算法
        4.1.1 數(shù)據(jù)關(guān)聯(lián)算法簡介
        4.1.2 基于多特征的最近鄰數(shù)據(jù)關(guān)聯(lián)算法
    4.2 動態(tài)目標跟蹤
        4.2.1 跟蹤門的形成
        4.2.2 卡爾曼濾波理論
        4.2.3 動態(tài)目標跟蹤
        4.2.4 跟蹤器管理
    4.3 目標跟蹤算法實驗驗證
    4.4 本章小結(jié)
第5章 目標檢測與跟蹤算法整車實驗驗證
    5.1 實驗平臺
        5.1.1 LIFAN-IV智能車
        5.1.2 軟件平臺
    5.2 四線激光雷達數(shù)據(jù)接收與顯示界面開發(fā)
        5.2.1 四線激光雷達的數(shù)據(jù)接收
        5.2.2 四線激光雷達可視化界面的編寫
    5.3 目標檢測與跟蹤實驗
        5.3.1 目標檢測實驗
        5.3.2 目標跟蹤實驗
    5.4 本章小結(jié)
結(jié)論與展望
    1 研究內(nèi)容總結(jié)
    2 未來研究工作展望
參考文獻
致謝

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 翟東海;魚江;高飛;于磊;丁鋒;;最大距離法選取初始簇中心的K-means文本聚類算法的研究[J];計算機應(yīng)用研究;2014年03期

2 武佳薇;李雄飛;孫濤;李巍;;鄰域平衡密度聚類算法[J];計算機研究與發(fā)展;2010年06期

3 李光強;鄧敏;劉啟亮;程濤;;一種適應(yīng)局部密度變化的空間聚類方法[J];測繪學(xué)報;2009年03期

4 蔡自興;肖正;于金霞;;基于激光雷達的動態(tài)障礙物實時檢測[J];控制工程;2008年02期

5 譚穎;胡瑞飛;殷國富;;多密度閾值的DBSCAN改進算法[J];計算機應(yīng)用;2008年03期

6 喬維高;徐學(xué)進;;無人駕駛汽車的發(fā)展現(xiàn)狀及方向[J];上海汽車;2007年07期

7 于春和;劉濟林;;越野環(huán)境的三維地圖重建[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);2007年02期

8 倪巍偉,孫志揮,陸介平;k-LDCHD——高維空間k鄰域局部密度聚類算法[J];計算機研究與發(fā)展;2005年05期

9 田原嫄,崔高健,黃銀花;智能汽車系統(tǒng)[J];機械;2004年12期

10 夏勁;郭紅衛(wèi);;國內(nèi)外城市智能交通系統(tǒng)的發(fā)展概況與趨勢及其啟示[J];科技進步與對策;2003年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 王俊;無人駕駛車輛環(huán)境感知系統(tǒng)關(guān)鍵技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2016年

2 杜歆;用于導(dǎo)航的立體視覺系統(tǒng)[D];浙江大學(xué);2003年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李勇;基于激光雷達的智能車橫向避障研究[D];湖南大學(xué);2017年

2 李龍杰;基于四線激光雷達的道路信息提取技術(shù)研究[D];北京工業(yè)大學(xué);2016年

3 何磊;基于路面在線識別的線控制動系統(tǒng)制動力控制策略研究[D];湖南大學(xué);2016年

4 葉剛;城市環(huán)境基于三維激光雷達的自動駕駛車輛多目標檢測及跟蹤算法研究[D];北京理工大學(xué);2016年

5 王志宇;基于車載三維激光雷達的車輛檢測與跟蹤[D];國防科學(xué)技術(shù)大學(xué);2015年

6 李宗林;基于DBSCAN的自適應(yīng)聚類算法研究[D];長沙理工大學(xué);2015年

7 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(xué);2014年

8 高祺;多傳感器多目標跟蹤的數(shù)據(jù)關(guān)聯(lián)算法研究[D];西安電子科技大學(xué);2013年

9 楊象軍;基于四線激光雷達的道路檢測與跟蹤[D];浙江大學(xué);2013年

10 陳春風(fēng);復(fù)雜環(huán)境下多目標跟蹤技術(shù)的研究[D];哈爾濱工業(yè)大學(xué);2009年

本文編號：2841267