本文關鍵詞：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，，由筆耕文化傳播整理發(fā)布。

【摘要】：本文針對城區(qū)道路環(huán)境下智能車輛自主規(guī)劃決策對周圍其他車輛運動狀態(tài)的感知需求,采用三維激光雷達檢測及跟蹤本車周圍360°的運動目標,為自主車進行智能換道和速度跟隨提供周圍運動目標的位置及速度信息。算法首先將三維點云投影到二維柵格地圖以減少數(shù)據(jù)量,再通過連通域分析進行目標聚類,并用最小包絡面積矩形進行建模描述,然后從基于幾何模型和運動模型假設兩種方法進行候選目標選取,對選取的目標與上一幀跟蹤上的目標進行數(shù)據(jù)關聯(lián),并使用二分圖最大匹配的思想對關聯(lián)矩陣進行優(yōu)化,采用匈牙利算法進行求解,最后基于擴展卡爾曼濾波算法對需要跟蹤的目標進行濾波更新,估計目標的位置和速度。實驗采集北京城區(qū)三環(huán)道路真實場景數(shù)據(jù),在正常行車的狀態(tài)下能夠檢測到車輛周圍360°的運動車輛,并能夠穩(wěn)定跟蹤�；谶\動模型假設的方法可以檢測到幾何形狀不明顯的目標,能夠有效的處理遮擋的問題,運動狀態(tài)跟蹤實驗結果表明基于目標位置、速度和速度方向模型的非線性擴展卡爾曼濾波算法比傳統(tǒng)的估計位置和兩個方向上的速度分量的線性卡爾曼濾波算法要更加穩(wěn)定,算法運行在車載工控機下平均耗時70 ms左右,滿足實時性的要求。
【關鍵詞】：三維激光雷達 多目標檢測與跟蹤 智能車輛 運動模型假設
【學位授予單位】：北京理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U463.6;TN958.98
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-20
• 1.1 智能車輛概述10-12
• 1.1.1 智能車輛系統(tǒng)框架11-12
• 1.1.2 環(huán)境感知相關技術研究12
• 1.2 多目標檢測與跟蹤的背景和意義12-17
• 1.2.1 智能汽車平臺“Ray”12-14
• 1.2.2 三維激光雷達傳感器14-16
• 1.2.3 基于三維激光雷達多目標檢測與跟蹤16-17
• 1.3 本文研究內容及主要貢獻17-20
• 1.3.1 本文研究內容及組織結構17-19
• 1.3.2 本文主要貢獻19-20
• 第2章 點云提取及柵格地圖創(chuàng)建20-27
• 2.1 三維激光雷達的安裝及標定20-24
• 2.1.1 三維激光雷達安裝20-21
• 2.1.2 三維激光雷達標定21-24
• 2.2 障礙物柵格地圖24-26
• 2.2.1 基于PCL點云庫的原始數(shù)據(jù)解析25
• 2.2.2 柵格地圖創(chuàng)建25-26
• 2.3 本章小結26-27
• 第3章 目標聚類與檢測27-36
• 3.1 基于連通域分析的目標聚類27-31
• 3.1.1 預處理28-29
• 3.1.2 連通域分析29
• 3.1.3 最小包絡面積矩形29-30
• 3.1.4 結果與小結30-31
• 3.2 基于幾何形狀的目標檢測31-32
• 3.3 基于運動模型的目標檢測32-35
• 3.3.1 軌跡生成33-34
• 3.3.2 基于運動模型假設的動態(tài)目標檢測34-35
• 3.4 本章小結35-36
• 第4章 目標數(shù)據(jù)關聯(lián)36-44
• 4.1 數(shù)據(jù)關聯(lián)算法概述37-38
• 4.2 數(shù)據(jù)關聯(lián)矩陣38-43
• 4.2.1 關聯(lián)值計算38-40
• 4.2.2 二分圖最大匹配優(yōu)化關聯(lián)矩陣40-43
• 4.3 本章小結43-44
• 第5章 動態(tài)目標的狀態(tài)估計44-56
• 5.1 卡爾曼濾波器理論基礎44-47
• 5.2 基于標準線性卡爾曼濾波的動態(tài)目標狀態(tài)實時估計47-50
• 5.2.1 標準線性卡爾曼濾波器算法原理47-49
• 5.2.2 基于標準線性卡爾曼濾波算法的多目標更新系統(tǒng)設計49-50
• 5.3 基于擴展卡爾曼濾波的動態(tài)目標狀態(tài)實時估計50-53
• 5.3.1 擴展卡爾曼濾波算法原理50-52
• 5.3.2 基于擴展卡爾曼濾波算法的多目標跟蹤系統(tǒng)設計52-53
• 5.4 實驗結果及分析53-55
• 5.5 本章小結55-56
• 第6章 實驗及結果56-65
• 6.1 城區(qū)道路測試56-58
• 6.1.1 實驗環(huán)境56-57
• 6.1.2 實驗結果與分析57-58
• 6.2 目標狀態(tài)估計結果對比實驗58-62
• 6.2.1 實驗平臺及場景58-59
• 6.2.2 實驗結果與分析59-62
• 6.3 線性卡爾曼濾波和擴展卡爾曼濾波對比62-64
• 6.4 本章小結64-65
• 結論65-67
• 主要工作及貢獻有65
• 本文創(chuàng)新點65-66
• 未來工作展望66-67
• 參考文獻67-71
• 攻讀學位期間發(fā)表論文與研究成果清單71-72
• 致謝72

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 高明哲;祝明波;鄒建武;;單脈沖跟蹤雷達多目標檢測算法性能分析[J];海軍航空工程學院學報;2013年04期

2 唐朝偉,楊士中,黃振,蔣陽;偽隨機碼擴頻超聲多目標檢測及干擾抑制[J];電路與系統(tǒng)學報;1997年02期

3 張建明,陳松燦;低信噪比條件下SAR多目標檢測方法[J];空軍雷達學院學報;2004年04期

4 趙欽君;趙東標;陸永華;;一種基于時空信息的多目標檢測新算法[J];儀器儀表學報;2011年04期

5 李金元;訾振寧;張佃青;;電能質量多目標檢測策略的應用[J];變頻器世界;2011年06期

6 賈繼鵬;;一種特征增量門限MIMO陣列多目標檢測方法[J];艦船電子工程;2013年04期

7 謝成學;利用改進的高階相關方法進行多目標檢測[J];現(xiàn)代電子;1998年03期

8 王鯤鵬;張小虎;朱肇昆;于起峰;;基于形狀熵差的相似多目標檢測方法[J];國防科技大學學報;2010年03期

9 龐存鎖;侯慧玲;;基于包絡補償?shù)母咚俣嗄繕藱z測算法[J];彈箭與制導學報;2013年03期

10 趙兆;是湘全;;PRC-CW雷達多目標檢測的逐次消去脈壓-FFT方法[J];探測與控制學報;2008年04期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 匡宇;游志勝;;精子運動圖象的多目標檢測與分割[A];中國圖象圖形科學技術新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

2 牟新剛;張桂林;丁全心;張國華;周曉;;基于DSP+FPGA的紅外多目標檢測系統(tǒng)設計[A];2007年光電探測與制導技術的發(fā)展與應用研討會論文集[C];2007年

3 王智靈;路婷婷;張碩奇;陳宗海;羅楊宇;李成榮;;基于全局光流的多目標檢測與跟蹤[A];'2008系統(tǒng)仿真技術及其應用學術會議論文集[C];2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 劉偉偉;針對多目標檢測的雷達傳感器網(wǎng)信號波形研究[D];電子科技大學;2014年

2 車少帥;基于O2O學習的多目標檢測與跟蹤技術研究[D];南京郵電大學;2015年

3 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;2016年

4 鄭兮;多目標檢測前跟蹤算法研究[D];電子科技大學;2012年

5 郭會文;監(jiān)控視頻中的快速多目標檢測與跟蹤研究[D];湖南大學;2013年

6 丁艷;基于全方位視覺的多目標檢測跟蹤[D];浙江工業(yè)大學;2007年

7 郭曉慧;復雜場景下視頻監(jiān)控系統(tǒng)中多目標檢測的研究與實現(xiàn)[D];北京郵電大學;2013年

8 黃超;基于視頻的人體多目標檢測與跟蹤算法研究[D];西華大學;2014年

9 王允;基于TMS320DM642的多目標檢測系統(tǒng)的硬件設計[D];重慶大學;2009年

10 蔡俊林;醫(yī)學圖像中多目標檢測與跟蹤技術研究[D];華南理工大學;2012年

  本文關鍵詞：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，由筆耕文化傳播整理發(fā)布。

本文編號：257360