高機(jī)動應(yīng)急救援車輛通常都是在救援現(xiàn)場作業(yè),環(huán)境惡劣,路況復(fù)雜,嚴(yán)重影響著車輛的行駛平順性以及行駛速度。本文采用預(yù)瞄主動懸架來緩和路面對車輛的沖擊作用,從而提升車輛的行駛平順性。預(yù)瞄主動懸架主要是通過安裝在車輛上的傳感器來感知車輛前方路面的高程信息,進(jìn)而通過控制器實(shí)時(shí)調(diào)節(jié)懸架系統(tǒng)的工作狀態(tài),從而提高車輛的行駛平順性。由于車輛是在高速的行駛狀態(tài),車載激光雷達(dá)不停的采集著車輛前方路面的點(diǎn)云數(shù)據(jù),所以對于車輛前方某一物體在不同時(shí)間、不同角度獲得的點(diǎn)云數(shù)據(jù)坐標(biāo)系統(tǒng)存在或多或少的偏差。為此,本文對于激光雷達(dá)數(shù)據(jù)的精確配準(zhǔn)方法進(jìn)行了研究。本課題依托國家重點(diǎn)研發(fā)計(jì)劃“高機(jī)動應(yīng)急救援車輛(含消防車)專用底盤及懸架關(guān)鍵技術(shù)研究”(項(xiàng)目編號:2016YFC0802902),使用激光雷達(dá)、IMU、GPS和計(jì)算機(jī)等設(shè)備搭建實(shí)驗(yàn)平臺,對車輛前方地形進(jìn)行掃描,并對采集到的激光雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理和配準(zhǔn)。論文主要完成了以下工作:首先,對車前地形掃描系統(tǒng)進(jìn)行介紹和對點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理。使用激光雷達(dá)、慣性測量單元、GPS和車載計(jì)算機(jī)搭建車前地形掃描系統(tǒng)實(shí)時(shí)的采集車前地形的距離、角度、車輛姿態(tài)角和位置信息。使用空間柵格法建立點(diǎn)云數(shù)據(jù)的拓?fù)潢P(guān)系。在點(diǎn)云預(yù)處理過程中,對點(diǎn)云進(jìn)行壓縮、去除離群點(diǎn)和點(diǎn)云光順等處理,并且在處理過程中,也進(jìn)行點(diǎn)云的平移、縮放和旋轉(zhuǎn)等操作,以便與更加清楚更加全面的觀察點(diǎn)云數(shù)據(jù)。其次,進(jìn)行點(diǎn)云特征描述和特征點(diǎn)的提取。對點(diǎn)云空間幾何特征的微分模型進(jìn)行分析,并對法線和曲率進(jìn)行估計(jì)擬合,同時(shí)也采用基于曲率極值法改進(jìn)的算法提取特征點(diǎn)。最后使用點(diǎn)特征直方圖(Point Feature Histograms),對點(diǎn)云數(shù)據(jù)進(jìn)行描述。最后,對傳統(tǒng)ICP點(diǎn)云配準(zhǔn)算法進(jìn)行分析介紹,總結(jié)優(yōu)缺點(diǎn),提出基于改進(jìn)迭代最近點(diǎn)(ICP)算法的點(diǎn)云配準(zhǔn)方法,并進(jìn)行三組實(shí)驗(yàn)分析、對比突出改進(jìn)的ICP算法的精確性和穩(wěn)定性。
【學(xué)位單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TN958.98;U463.6
【部分圖文】：

數(shù)非常難以機(jī)械化，因此使用參數(shù)搜索技術(shù)來優(yōu)化固定配置系統(tǒng)，在實(shí)際實(shí)踐中局限性很大，Loglois 采用超聲波雷達(dá)來測量車前路面信息[11]，但是由于探測距離較近，所以效果不理想。目前關(guān)于這一塊做的比較成功的是谷歌無人駕駛汽車，如圖 1.1，現(xiàn)在有豐田普銳斯和奧迪 TT 這兩種實(shí)驗(yàn)車，它們都是使用照相機(jī)、雷達(dá)感應(yīng)器和激光測距機(jī)相結(jié)合的方式觀測實(shí)時(shí)的交通狀況，并且使用詳細(xì)地圖來為前方的道路導(dǎo)航。在實(shí)際的應(yīng)用中無人駕駛車輛通常是要比人駕駛的車更加安全，因?yàn)樗鼈兡芨杆�、更有效地對臨時(shí)的路況作出反應(yīng)。另外奔馳公司所研發(fā)的魔術(shù)車身控制系統(tǒng)（MAGIC BODYCONTROL）可以說是智能懸架領(lǐng)域的先導(dǎo)者，如圖 1.2，魔術(shù)車身系統(tǒng)的感應(yīng)裝置是安裝在前擋風(fēng)玻璃處的攝像頭，這個(gè)攝像頭可以將地面高度距離相差 3 毫米和車輛前方 15 米內(nèi)的實(shí)時(shí)路況檢測出來，從而在 1 秒內(nèi)迅速的對主動懸架的阻尼系數(shù)做出調(diào)整，保持車輛的平順性。

數(shù)非常難以機(jī)械化，因此使用參數(shù)搜索技術(shù)來優(yōu)化固定配置系統(tǒng)，在實(shí)際實(shí)踐中局限性很大，Loglois 采用超聲波雷達(dá)來測量車前路面信息[11]，但是由于探測距離較近，所以效果不理想。目前關(guān)于這一塊做的比較成功的是谷歌無人駕駛汽車，如圖 1.1，現(xiàn)在有豐田普銳斯和奧迪 TT 這兩種實(shí)驗(yàn)車，它們都是使用照相機(jī)、雷達(dá)感應(yīng)器和激光測距機(jī)相結(jié)合的方式觀測實(shí)時(shí)的交通狀況，并且使用詳細(xì)地圖來為前方的道路導(dǎo)航。在實(shí)際的應(yīng)用中無人駕駛車輛通常是要比人駕駛的車更加安全，因?yàn)樗鼈兡芨杆�、更有效地對臨時(shí)的路況作出反應(yīng)。另外奔馳公司所研發(fā)的魔術(shù)車身控制系統(tǒng)（MAGIC BODYCONTROL）可以說是智能懸架領(lǐng)域的先導(dǎo)者，如圖 1.2，魔術(shù)車身系統(tǒng)的感應(yīng)裝置是安裝在前擋風(fēng)玻璃處的攝像頭，這個(gè)攝像頭可以將地面高度距離相差 3 毫米和車輛前方 15 米內(nèi)的實(shí)時(shí)路況檢測出來，從而在 1 秒內(nèi)迅速的對主動懸架的阻尼系數(shù)做出調(diào)整，保持車輛的平順性。

目前市面上已經(jīng)出現(xiàn)很多高分辨率的激光雷達(dá)，例如 Velodyne 激光雷達(dá)公司推的 Puck 傳感器，其分辨率很高，能夠提供更高的分辨率拍攝的 3D 圖片，能使得遠(yuǎn)的距離被確認(rèn)。所以三維激光雷達(dá)可以高速、高精度和高密度的采集海量的三維云數(shù)據(jù)[18]。按照空間分布特征可以將點(diǎn)云數(shù)據(jù)分為以下幾種類型，如圖 1.3 所示：（a）散亂性點(diǎn)云 （b）線型點(diǎn)云
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉亞文;覃蘇舜;;點(diǎn)云數(shù)據(jù)稀疏區(qū)域建筑物立面重建方法[J];應(yīng)用科學(xué)學(xué)報(bào);2017年02期

2 劉尚蔚;朱小超;張永光;魏群;;多片點(diǎn)云數(shù)據(jù)拼接處理技術(shù)的研究[J];水利與建筑工程學(xué)報(bào);2014年01期

3 張習(xí)民;余小清;萬旺根;張娟;;壓縮感知點(diǎn)云數(shù)據(jù)壓縮[J];應(yīng)用科學(xué)學(xué)報(bào);2014年05期

4 康蘭;馮亞娟;陳正鳴;;多視點(diǎn)云數(shù)據(jù)快速對齊方法[J];機(jī)械設(shè)計(jì)與研究;2009年01期

5 鄭德華;;點(diǎn)云數(shù)據(jù)直接縮減方法及縮減效果研究[J];測繪工程;2006年04期

6 張東;;基于球域膨脹的點(diǎn)云數(shù)據(jù)平面提取[J];工程技術(shù)研究;2018年11期

7 宇超群;門葆紅;王鑫;;海量點(diǎn)云數(shù)據(jù)分布式并行處理技術(shù)綜述[J];信息工程大學(xué)學(xué)報(bào);2018年05期

8 宣偉;;地面激光點(diǎn)云數(shù)據(jù)質(zhì)量評價(jià)與三維模型快速重建技術(shù)研究[J];測繪學(xué)報(bào);2017年12期

9 孫瑞;張貴豪;陳普智;;三維激光掃描點(diǎn)云數(shù)據(jù)的精簡方法探討[J];黃河水利職業(yè)技術(shù)學(xué)院學(xué)報(bào);2018年02期

10 諶鵬;;點(diǎn)云數(shù)據(jù)生成軟件的設(shè)計(jì)及其在月餅?zāi)＞吣嫦蛟O(shè)計(jì)與制造中的應(yīng)用[J];制造技術(shù)與機(jī)床;2017年03期

相關(guān)博士學(xué)位論文 前10條

1 張紹澤;面向三維可視化的激光掃描點(diǎn)云數(shù)據(jù)處理方法研究[D];西安電子科技大學(xué);2017年

2 羅楠;基于點(diǎn)云數(shù)據(jù)的3D打印關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2017年

3 唐逸之;點(diǎn)云數(shù)據(jù)的魯棒配準(zhǔn)與自適應(yīng)表面重建[D];浙江大學(xué);2017年

4 楊永濤;三維離散點(diǎn)云數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];燕山大學(xué);2017年

5 鄧博文;大體積比工件裝配面檢測及其點(diǎn)云數(shù)據(jù)處理方法研究[D];中北大學(xué);2019年

6 金娟鳳;基于特征距離的腰腹臀部體型分析與個(gè)性化女褲樣板生成[D];浙江理工大學(xué);2017年

7 石宏斌;地面激光點(diǎn)云模型自動構(gòu)建方法研究[D];武漢大學(xué);2014年

8 葉立志;機(jī)載LiDAR與影像密集匹配點(diǎn)云數(shù)據(jù)的濾波方法研究[D];武漢大學(xué);2016年

9 張學(xué)昌;基于點(diǎn)云數(shù)據(jù)的復(fù)雜型面數(shù)字化檢測關(guān)鍵技術(shù)研究及其系統(tǒng)開發(fā)[D];上海交通大學(xué);2006年

10 張力寧;點(diǎn)云數(shù)據(jù)抗噪處理方法及其在葉片重建中的應(yīng)用研究[D];西北工業(yè)大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 姜小磊;車載激光雷達(dá)點(diǎn)云數(shù)據(jù)的分析與配準(zhǔn)[D];吉林大學(xué);2019年

2 汪沖;全站掃描儀測量精度分析及其在變形監(jiān)測中的應(yīng)用[D];戰(zhàn)略支援部隊(duì)信息工程大學(xué);2018年

3 溫職先;面向人機(jī)交互的TOF低分辨點(diǎn)云數(shù)據(jù)實(shí)時(shí)預(yù)處理方法研究[D];深圳大學(xué);2018年

4 曹垚;三維激光點(diǎn)云數(shù)據(jù)精簡算法及三角網(wǎng)格模型優(yōu)化研究[D];鄭州大學(xué);2019年

5 周陽陽;基于點(diǎn)云數(shù)據(jù)的黃土坡面微地形曲面重構(gòu)[D];西北農(nóng)林科技大學(xué);2019年

6 趙靜;基于TOF的運(yùn)動目標(biāo)檢測與跟蹤[D];上海師范大學(xué);2019年

7 楚如麗;基于三維點(diǎn)云數(shù)據(jù)的目標(biāo)識別研究與實(shí)現(xiàn)[D];上海師范大學(xué);2019年

8 張藝競;基于點(diǎn)云數(shù)據(jù)的三維目標(biāo)識別方法研究[D];哈爾濱工程大學(xué);2019年

9 梁金虎;散亂三維點(diǎn)云預(yù)處理去噪和配準(zhǔn)研究[D];安徽建筑大學(xué);2019年

10 郭東兵;點(diǎn)云數(shù)據(jù)特征保持算法研究[D];太原理工大學(xué);2019年

本文編號：2882224