本文關(guān)鍵詞：改進(jìn)貝葉斯推理的柵格地圖更新與障礙物檢測(cè)　出處：《激光雜志》2017年08期 　論文類型：期刊論文

  更多相關(guān)文章： 無(wú)人駕駛 柵格地圖 模糊邏輯 貝葉斯推理 障礙物檢測(cè)

【摘要】：隨著科技發(fā)展,激光雷達(dá)在無(wú)人駕駛車中的應(yīng)用成為社會(huì)熱門的話題。其中,柵格地圖也成為動(dòng)態(tài)障礙物檢測(cè)的手段之一。原始貝葉斯推理方法在柵格概率趨于極值時(shí),若柵格狀態(tài)發(fā)生改變則體現(xiàn)出的很強(qiáng)的滯后性,因此提出一種利用模糊邏輯矯正權(quán)值變量對(duì)貝葉斯后驗(yàn)概率進(jìn)行限制的算法。應(yīng)用改進(jìn)的貝葉斯推理更新柵格狀態(tài)并利用沖突變量檢測(cè)動(dòng)態(tài)障礙物。最后,通過(guò)膨脹、腐蝕、改進(jìn)連通區(qū)域標(biāo)記法及一維數(shù)據(jù)區(qū)間密度算法提取障礙物信息及可行駛區(qū)域信息。實(shí)車實(shí)驗(yàn)表明提出方法的有效性。
[Abstract]:With the development of science and technology, the application of laser radar in unmanned vehicle driving become a social hot topic. Among them, the grid map is one of the dynamic obstacle detection method. The original Bayesian inference method in grid probability tends to be extreme, if the State Grid change reflects the strong lag, so a restrictions on the Bayesian posterior probability using fuzzy logic correction weight variable algorithm. The application of improved Bayesian inference and update the grid state detection of dynamic obstacles by conflict variables. Finally, through the expansion, corrosion, improvement of connected region labeling method and one-dimensional data interval density algorithm to extract obstacle information and driving region information. The real vehicle test show the validity of the method.

【作者單位】： 北京工業(yè)大學(xué)信息學(xué)部;
【基金】：北京市屬高等學(xué)校人才強(qiáng)教計(jì)劃資助項(xiàng)目(038000543115025)
【分類號(hào)】：TN958.98
【正文快照】： 隨著社會(huì)的不斷發(fā)展,無(wú)人駕駛成為了一個(gè)日趨熱門的話題,目前,世界各個(gè)國(guó)家越來(lái)越多的學(xué)者開(kāi)始對(duì)無(wú)人駕駛車輛進(jìn)行研究[1-3]。而雷達(dá)憑借算法處理靈活而且可以在一些惡劣的天氣條件下發(fā)揮其作用的優(yōu)勢(shì)得到廣泛關(guān)注,在無(wú)人駕駛中環(huán)境感知是最為重要。環(huán)境地圖建立分為四種[4]:

【相似文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

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

，

本文編號(hào)：1427052