本文關鍵詞：基于激光雷達的智能車防撞預警系統研究，由筆耕文化傳播整理發(fā)布。

【摘要】：汽車主動安全技術是全世界幾乎所有汽車制造商和研究機構研究的熱點,更加安全、更加智能是未來汽車工業(yè)的發(fā)展方向。本文描述的基于激光雷達的智能車防撞預警系統是主動安全技術的一個重要的研究分支。本文的主要工作內容如下:(1)激光點云數據采集硬件平臺的設計:設計并制作了一套激光點云數據采集硬件平臺,該平臺基于一塊飛思卡爾MC9S08DZ60處理器,可以實現針對SICK LMS151激光雷達的數據采集、解算、分析、報警和遠程數據上傳工作。(2)經過優(yōu)化的DBSCAN聚類算法的提出:提出了一種優(yōu)化的DBSCAN聚類算法。傳統DBSCAN算法在面對空間密度分布不均勻的數據類型時會面臨聚類參數選擇困難的障礙,激光雷達數據屬于典型的空間區(qū)域密度分布不均勻的數據類型,距離激光雷達本體越遠的障礙物返回的數據點密度越低,本文針對這一特性,將距離參數融入到傳統DBSCAN算法的?參數中,使之能夠適應激光雷達數據空間密度分布不均勻的特點,對任意距離上的激光雷達數據都能夠以合理的參數進行聚類。(3)針對硬件平臺和聚類算法的實驗:本文進行了大量實驗來驗證激光點云數據采集硬件平臺的功能完整性和有效性,同時對比了經過優(yōu)化的DBSCAN算法和傳統的DBSCAN算法在多種情況下不同障礙物分布時的聚類效果,驗證了本文提出算法的有效性和優(yōu)越性。
【關鍵詞】：激光雷達 主動安全 預警系統 點云數據采集 DBSCAN算法 點云數據聚類
【學位授予單位】：吉林大學
【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
• abstract5-10
• 第1章 緒論10-19
• 1.1 課題研究的背景及意義10-11
• 1.2 國內外研究現狀11-16
• 1.2.1 國外研究現狀12-14
• 1.2.2 國內研究現狀14-16
• 1.3 本文主要研究內容及章節(jié)安排16-18
• 1.3.1 本文主要研究內容16-17
• 1.3.2 本文章節(jié)安排17-18
• 1.4 本章小結18-19
• 第2章 激光雷達數據的預處理19-28
• 2.1 激光雷達工作原理19-20
• 2.2 基于激光雷達的環(huán)境感知20-23
• 2.3 激光雷達數據的預處理23-27
• 2.3.1 坐標系轉換23-24
• 2.3.2 選取感興趣區(qū)域24-25
• 2.3.3 零點現象的修正25-26
• 2.3.4 最大誤差估計26-27
• 2.4 本章小結27-28
• 第3章 激光雷達數據采集硬件平臺設計28-35
• 3.1 LMS151激光雷達簡介28-29
• 3.2 激光點云數據采集硬件平臺29-33
• 3.3 激光點云數據解算算法33-34
• 3.4 本章小結34-35
• 第4章 激光雷達數據的聚類35-46
• 4.1 聚類算法概述35-38
• 4.1.1 劃分聚類法35-37
• 4.1.2 層次法37
• 4.1.3 基于網格的聚類法37-38
• 4.1.4 基于密度的聚類法38
• 4.2 激光雷達數據特點分析38-40
• 4.3 傳統的DBSCAN算法40-41
• 4.4 針對激光雷達數據優(yōu)化的DBSCAN算法41-45
• 4.5 本章小結45-46
• 第5章 實驗數據與結果分析46-64
• 5.1 激光雷達的安裝與調試46-47
• 5.2 激光雷達ROI區(qū)域相關參數配置47-51
• 5.3 激光點云數據采集與解算功能實驗51-56
• 5.3.1 通訊初始化設置51-52
• 5.3.2 下位機激光點云數據解算52-53
• 5.3.3 Li DAR MK-I功能性測試53-56
• 5.4 激光點云數據聚類算法實驗56-63
• 5.5 本章小結63-64
• 第6章 總結與展望64-66
• 6.1 全文總結64-65
• 6.2 存在的不足和展望65-66
• 參考文獻66-71
• 作者簡介及科研成果71-72
• 致謝72-73

【相似文獻】

中國期刊全文數據庫 前10條

1 潘玲玲;張育平;徐濤;;核DBSCAN算法在民航客戶細分中的應用[J];計算機工程;2012年10期

2 周紅芳;王鵬;;DBSCAN算法中參數自適應確定方法的研究[J];西安理工大學學報;2012年03期

3 徐新華;謝永紅;;增量聚類綜述及增量DBSCAN聚類算法研究[J];華北航天工業(yè)學院學報;2006年02期

4 郭保青;朱力強;史紅梅;;基于快速DBSCAN聚類的鐵路異物侵限檢測算法[J];儀器儀表學報;2012年02期

5 劉淑芬;孟冬雪;王曉燕;;基于網格單元的DBSCAN算法[J];吉林大學學報(工學版);2014年04期

6 張宏兵;陸建峰;湯九斌;;一種基于近似EMD的DBSCAN改進算法[J];山東大學學報(工學版);2012年04期

7 茍和平;景永霞;馮百明;李勇;;基于DBSCAN聚類的改進KNN文本分類算法[J];科學技術與工程;2013年01期

8 劉軍;艾力·斯木吐拉;馬曉松;;一種改進的DBSCAN聚類算法的研究與應用[J];交通與計算機;2008年03期

9 李新延,李德仁;DBSCAN空間聚類算法及其在城市規(guī)劃中的應用[J];測繪科學;2005年03期

10 孫煥良;畢占舉;劉俊嶺;周祥國;許景科;;一種發(fā)現多層次密度的聚類算法[J];沈陽建筑大學學報(自然科學版);2006年02期

中國重要會議論文全文數據庫 前8條

1 馬帥;宋國杰;唐世渭;楊冬青;王騰蛟;;基于單元劃分的DBSCAN聚類算法[A];第十九屆全國數據庫學術會議論文集（技術報告篇）[C];2002年

2 朵春紅;王翠茹;;基于取樣的DBSCAN聚類算法及其遺傳優(yōu)化[A];第一屆中國高校通信類院系學術研討會論文集[C];2007年

3 龐洋;李海林;郭義喜;;基于DBSCAN算法的日志信息聚類研究[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

4 宮蕊;舒紅平;郭遠遠;;基于DBSCAN的密度聚類算法的研究[A];2008'中國信息技術與應用學術論壇論文集（二）[C];2008年

5 張健沛;許慧;楊靜;崔洪晶;;基于數據分區(qū)、QR~*-樹的并行DBSCAN算法[A];2006北京地區(qū)高校研究生學術交流會——通信與信息技術會議論文集（下）[C];2006年

6 Yi-Chun Xu;Man Zhu;Zunhai Ke;Yong Liu;Suifa Sun;;Isolating Ships from Shape Curve with DBSCAN[A];第25屆中國控制與決策會議論文集[C];2013年

7 范曄;周水庚;曹晶;周傲英;;通過數據取樣擴展基于密度的聚類算法[A];第十六屆全國數據庫學術會議論文集[C];1999年

8 曹晶;周水庚;范曄;周傲英;;數據分區(qū):一種改善基于密度的聚類算法的方法[A];第十六屆全國數據庫學術會議論文集[C];1999年

中國碩士學位論文全文數據庫 前10條

1 陸穎華;基于局部敏感哈希的DBSCAN算法研究[D];南京信息工程大學;2015年

2 汪洋;采用DBSCAN聚類的自適應步長細菌覓食算法[D];南京師范大學;2015年

3 謝江;針對非均勻密度環(huán)境的DBSCAN自適應聚類算法的研究[D];重慶大學;2015年

4 崔熠明;基于激光雷達的智能車防撞預警系統研究[D];吉林大學;2016年

5 羅啟福;基于云計算的DBSCAN算法研究[D];武漢理工大學;2013年

6 吳林敏;針對非均勻數據集的DBSCAN過濾式改進算法[D];重慶大學;2009年

7 虞倩倩;基于數據劃分的DBSCAN算法研究[D];江南大學;2013年

8 黃毅磊;DBSCAN算法及在城市網格化管理中的應用[D];上海交通大學;2010年

9 孫思;利用遺傳思想進行數據劃分的DBSCAN算法研究[D];重慶大學;2005年

10 許慧;基于數據分區(qū)和QR*樹的并行DBSCAN算法研究[D];哈爾濱工程大學;2007年

  本文關鍵詞：基于激光雷達的智能車防撞預警系統研究，，由筆耕文化傳播整理發(fā)布。

本文編號：257738