本文關(guān)鍵詞：基于四線激光雷達(dá)的道路信息提取技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：伴隨著經(jīng)濟(jì)和交通系統(tǒng)的快速發(fā)展,智能車(chē)輛作為智能交通體系的重要組成部分,得到了普遍的關(guān)注和研究。智能車(chē)的關(guān)鍵技術(shù)也被視為解決交通問(wèn)題的關(guān)鍵。四線激光雷達(dá)擁有數(shù)據(jù)量適中、測(cè)量精度高、多目標(biāo)探測(cè)和受環(huán)境影響小等優(yōu)勢(shì),被廣泛應(yīng)用于智能車(chē)輛的環(huán)境感知系統(tǒng)。本文利用四線激光雷達(dá)對(duì)智能車(chē)前方區(qū)域的道路信息提取技術(shù)進(jìn)行了研究,主要包括以下內(nèi)容:第一,提出基于激光雷達(dá)工作原理和掃描數(shù)據(jù)的分布特征改進(jìn)的DBSCAN算法。雷達(dá)數(shù)據(jù)經(jīng)過(guò)濾除多余回波、中值濾波和坐標(biāo)變換等預(yù)處理后,根據(jù)掃描到結(jié)構(gòu)化、半結(jié)構(gòu)化道路的數(shù)據(jù)分布特點(diǎn),通過(guò)對(duì)比不同的聚類(lèi)算法,運(yùn)用一維核密度估計(jì)和4-dist近鄰加權(quán)歐氏距離,自適應(yīng)選取DBSCAN算法的參數(shù)(Eps、Minpts),排序后依次調(diào)用該算法完成了多密度聚類(lèi);并采用峰值鄰域搜索和分層處理方法來(lái)改進(jìn)算法的搜索范圍,進(jìn)一步提高算法的性能。第二,根據(jù)結(jié)構(gòu)化和半結(jié)構(gòu)化的城市道路特點(diǎn)提出道路信息提取方法。在改進(jìn)的聚類(lèi)算法基礎(chǔ)上,根據(jù)雷達(dá)數(shù)據(jù)中物體的不同特征,首先提取路沿點(diǎn)集和路沿的高度信息,用最小二乘法擬合道路邊界線;對(duì)路沿高度附近且符合路面特征的點(diǎn)進(jìn)行標(biāo)記,然后提取剩余數(shù)據(jù)中障礙物的距離、方位和尺寸等信息。不同場(chǎng)景下的實(shí)車(chē)實(shí)驗(yàn)驗(yàn)證了道路邊沿、路面和障礙物信息提取方法的有效性。第三,提出了一種基于障礙物多特征信息改進(jìn)的ICP(Iterated Closest Points)算法,以完成相鄰兩幀雷達(dá)數(shù)據(jù)的快速匹配。構(gòu)建多特征匹配相似度函數(shù),取代常用的歐氏距離度量,來(lái)改進(jìn)ICP算法的匹配策略。改進(jìn)后的算法大大降低運(yùn)算的數(shù)據(jù)量,并減少了運(yùn)行時(shí)間。第四,研究了柵格地圖的更新策略和動(dòng)態(tài)目標(biāo)的跟蹤方法。通過(guò)建立柵格地圖對(duì)智能車(chē)前方區(qū)域進(jìn)行表示,運(yùn)用障礙物的多特征匹配結(jié)果對(duì)準(zhǔn)前后幀的柵格地圖,采用貝葉斯理論更新柵格地圖;根據(jù)柵格的占據(jù)概率來(lái)檢測(cè)動(dòng)靜態(tài)障礙物,使用卡爾曼濾波器和跟蹤管理策略實(shí)現(xiàn)對(duì)道路內(nèi)的動(dòng)態(tài)目標(biāo)的穩(wěn)定跟蹤。最后,以北京工業(yè)大學(xué)BJUT-IV智能車(chē)作為實(shí)驗(yàn)平臺(tái)進(jìn)行大量的實(shí)車(chē)實(shí)驗(yàn),結(jié)果表明提出的方法能夠穩(wěn)定、準(zhǔn)確提取前方道路的信息和跟蹤動(dòng)態(tài)目標(biāo)。
【關(guān)鍵詞】：智能車(chē)輛 激光雷達(dá) 道路檢測(cè) 柵格地圖 目標(biāo)檢測(cè)與跟蹤
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：U495;U463.6;TN958.98
【目錄】：

• 摘要4-5
• Abstract5-10
• 第1章 緒論10-24
• 1.1 研究背景及意義10-11
• 1.2 智能車(chē)國(guó)內(nèi)外研究現(xiàn)狀11-16
• 1.2.1 國(guó)外智能車(chē)的研究11-14
• 1.2.2 國(guó)內(nèi)智能車(chē)的研究14-16
• 1.3 智能車(chē)環(huán)境感知技術(shù)16-20
• 1.3.1 智能車(chē)的環(huán)境感知技術(shù)16-18
• 1.3.2 激光雷達(dá)在環(huán)境感知中研究分析18-20
• 1.4 本文的研究?jī)?nèi)容及貢獻(xiàn)20-24
• 1.4.1 本文的研究?jī)?nèi)容20-21
• 1.4.2 本文的主要貢獻(xiàn)21-24
• 第2章 激光雷達(dá)原理與坐標(biāo)轉(zhuǎn)換24-34
• 2.1 引言24-25
• 2.2 激光雷達(dá)工作原理25-26
• 2.3 四線激光雷達(dá)性能及優(yōu)勢(shì)分析26-29
• 2.4 數(shù)據(jù)預(yù)處理與坐標(biāo)系統(tǒng)29-33
• 2.4.1 數(shù)據(jù)預(yù)處理29-31
• 2.4.2 坐標(biāo)系的建立與坐標(biāo)轉(zhuǎn)換31-33
• 2.5 本章小結(jié)33-34
• 第3章 道路可行駛區(qū)域提取算法34-54
• 3.1 引言34
• 3.2 聚類(lèi)算法分析及改進(jìn)34-42
• 3.2.1 聚類(lèi)算法分析35-38
• 3.2.2 激光雷達(dá)數(shù)據(jù)特點(diǎn)分析38-39
• 3.2.3 核密度估計(jì)及相似度度量方法39-41
• 3.2.4 改進(jìn)的DBSCAN聚類(lèi)算法41-42
• 3.3 道路信息提取算法42-46
• 3.3.1 道路邊沿點(diǎn)提取算法42-44
• 3.3.2 道路邊沿高度的提取44-45
• 3.3.3 擬合道路邊界45-46
• 3.4 道路可通行區(qū)域信息提取46-48
• 3.4.1 道路路面檢測(cè)46-47
• 3.4.2 障礙物與可行駛區(qū)域信息提取47-48
• 3.5 實(shí)驗(yàn)與結(jié)果分析48-52
• 3.5.1 道路邊沿、路面檢測(cè)和提取實(shí)驗(yàn)48-50
• 3.5.2 道路可行駛區(qū)域信息檢測(cè)與提取50-52
• 3.6 本章小結(jié)52-54
• 第4章 柵格地圖的建立和動(dòng)態(tài)目標(biāo)的跟蹤54-74
• 4.1 引言54-55
• 4.2 柵格地圖的建立55-58
• 4.2.1 傳感器模型55-56
• 4.2.2 建立柵格地圖56-58
• 4.3 改進(jìn)的ICP算法58-64
• 4.3.1 ICP算法及其改進(jìn)方法分析58-60
• 4.3.2 多特征的相似度計(jì)算60-61
• 4.3.3 計(jì)算旋轉(zhuǎn)矩陣和平移向量61-63
• 4.3.4 自適應(yīng)調(diào)整特征的權(quán)重系數(shù)63-64
• 4.4 柵格地圖更新與動(dòng)靜態(tài)障礙物檢測(cè)64-67
• 4.4.1 柵格地圖的更新64-66
• 4.4.2 動(dòng)靜態(tài)障礙物的檢測(cè)66-67
• 4.5 動(dòng)態(tài)目標(biāo)跟蹤和管理67-70
• 4.5.1 基于卡爾曼濾波的動(dòng)態(tài)目標(biāo)跟蹤67-69
• 4.5.2 跟蹤器管理69-70
• 4.6 實(shí)驗(yàn)與結(jié)果分析70-72
• 4.6.1 構(gòu)建在線柵格地圖70-71
• 4.6.2 改進(jìn)的ICP算法性能分析71-72
• 4.7 本章小結(jié)72-74
• 第5章 實(shí)驗(yàn)平臺(tái)與整車(chē)實(shí)驗(yàn)74-84
• 5.1 引言74
• 5.2 實(shí)驗(yàn)平臺(tái)介紹74-79
• 5.2.1 硬件平臺(tái)74-78
• 5.2.2 軟件系統(tǒng)78-79
• 5.3 實(shí)驗(yàn)與結(jié)果分析79-83
• 5.3.1 道路信息提取實(shí)驗(yàn)79-80
• 5.3.2 動(dòng)態(tài)目標(biāo)跟蹤實(shí)驗(yàn)80-82
• 5.3.3 實(shí)驗(yàn)結(jié)果分析82-83
• 5.4 本章小結(jié)83-84
• 總結(jié)與展望84-86
• 參考文獻(xiàn)86-90
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文90-92
• 致謝92

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前9條

1 海濤;叢爽;鮑遠(yuǎn)律;;彩色城市柵格地圖道路網(wǎng)絡(luò)自動(dòng)獲取方法[J];西安交通大學(xué)學(xué)報(bào);2011年12期

2 羅榮華,洪炳昒,厲茂海;基于局部特征預(yù)測(cè)的柵格地圖創(chuàng)建[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2004年07期

3 陳曉娥;蘇理;;一種基于環(huán)境柵格地圖的多機(jī)器人路徑規(guī)劃方法[J];機(jī)械科學(xué)與技術(shù);2009年10期

4 周東健;張興國(guó);馬海波;李成浩;郭旭;;基于柵格地圖-蟻群算法的機(jī)器人最優(yōu)路徑規(guī)劃[J];南通大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

5 周東健;張興國(guó);馬海波;李成浩;郭旭;;基于柵格地圖-蟻群算法的機(jī)器人最優(yōu)路徑規(guī)劃[J];制造業(yè)自動(dòng)化;2014年05期

6 王煒;陳衛(wèi)東;王勇;;基于概率柵格地圖的移動(dòng)機(jī)器人可定位性估計(jì)[J];機(jī)器人;2012年04期

7 王川;吳懷宇;溫安邦;程磊;王芬;;基于柵格地圖的移動(dòng)機(jī)器人路徑跟蹤控制器設(shè)計(jì)與實(shí)現(xiàn)[J];組合機(jī)床與自動(dòng)化加工技術(shù);2009年12期

8 曹紅玉;孫漢旭;賈慶軒;葉平;高欣;;基于改進(jìn)的D-S證據(jù)理論的柵格地圖構(gòu)建[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2011年04期

9 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 石凱;田宇;俞建成;劉健;;基于柵格地圖的多化學(xué)羽流源定位[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（1）[C];2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 海濤;彩色交通柵格地圖中城市道路與公路的自動(dòng)獲取[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

2 周俊靜;基于激光雷達(dá)的智能車(chē)輛目標(biāo)識(shí)別與跟蹤關(guān)鍵技術(shù)研究[D];北京工業(yè)大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前9條

1 楊靜;模擬尺度的選擇及柵格地圖相似性評(píng)價(jià)方法的應(yīng)用[D];昆明理工大學(xué);2015年

2 杜波;基于MapReduce的柵格地圖切片系統(tǒng)[D];西安電子科技大學(xué);2014年

3 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

4 陳銘灝;彩色柵格地圖前景要素提取方法研究[D];重慶大學(xué);2006年

5 李潤(rùn)偉;基于聲納的室內(nèi)環(huán)境柵格地圖創(chuàng)建方法的研究[D];中南大學(xué);2008年

6 王野;基于標(biāo)準(zhǔn)組件集的柵格地圖組件研究與實(shí)現(xiàn)[D];內(nèi)蒙古工業(yè)大學(xué);2009年

7 莊惠敏;基于全景視覺(jué)序列圖像的二維柵格地圖創(chuàng)建研究[D];上海交通大學(xué);2008年

8 柴劍;智能掃地機(jī)器人技術(shù)的研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

9 束磊;基于柵格地圖的月球車(chē)任務(wù)層路徑規(guī)劃及平滑處理[D];哈爾濱工業(yè)大學(xué);2013年

  本文關(guān)鍵詞：基于四線激光雷達(dá)的道路信息提取技術(shù)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：255903