由全球交通事故帶來的道路交通安全問題長時間得不到解決,自動駕駛技術作為解決交通安全問題的主要方案受到廣泛的關注。局部路徑規(guī)劃是自動駕駛技術中不可或缺的關鍵環(huán)節(jié)之一。無人車的局部路徑規(guī)劃技術既要考慮到道路交通中的避撞問題,又要考慮車輛行駛的舒適性、行駛效率等問題。而道路環(huán)境中的障礙物檢測是局部路徑規(guī)劃避撞的前提,因而有必要將道路環(huán)境中障礙物的檢測納入局部路徑規(guī)劃技術的研究中。本文將研究的內容分為兩部分,分別是激光雷達的障礙物檢測方法研究與局部路徑規(guī)劃技術的研究。具體內容如下:在環(huán)境感知部分,本文采用三維激光雷達對環(huán)境信息進行采集,獲取了大范圍的點云數據。對數據的處理,主要分為障礙物的檢測和運動信息提取兩部分。首先為了去除點云數據中的背景點云,采用了RANSAC和GPF算法對路面進行分割,通過實驗證明了本文提出的GPF算法在處理地面數據點時具有更加穩(wěn)定、準確的效果。去除地面數據后,本文采用多聚類閾值的歐式聚類算法完成障礙物的檢測。接著為了提取障礙物的運動信息,先根據障礙物的聚類結果建立障礙物的方盒模型并提取障礙物的幾何形狀、位置、強度等特征。結合這些特征,提出使用多特征的最近鄰關聯算法對前...

【文章頁數】：90 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內外研究現狀
        1.2.1 基于激光雷達的環(huán)境感知技術研究現狀
        1.2.2 無人車局部路徑規(guī)劃技術研究現狀
    1.3 論文擬解決的問題及研究內容
        1.3.1 論文擬解決的問題
        1.3.2 研究內容
2 基于激光雷達的障礙物檢測方法研究
    2.1 激光雷達介紹
    2.2 激光點云地面分割
        2.2.1 三維激光點云分割方法分析
        2.2.2 基于最低代表點地面分割方法
        2.2.3 RANSAC地面分割方法
        2.2.4 實驗結果與分析
    2.3 障礙物聚類檢測
        2.3.1 聚類算法概述
        2.3.2 歐式聚類檢測
        2.3.3 實驗結果與分析
    2.4 本章小節(jié)
3 障礙物運動信息提取
    3.1 障礙物幾何參數建模
        3.1.1 AABB方盒模型
        3.1.2 OBB方盒模型
    3.2 障礙物數據關聯
        3.2.1 關聯算法概述
        3.2.2 多特征近鄰關聯算法
        3.2.3 基于隨機數的數據關聯參數選擇
    3.3 運動狀態(tài)更新
    3.4 運動信息提取實驗結果分析
    3.5 本章小節(jié)
4 軌跡規(guī)劃方法研究
    4.1 軌跡規(guī)劃方法簡介
    4.2 Frenet坐標系轉換
    4.3 Frenet軌跡規(guī)劃方法研究
        4.3.1 高階多項式的軌跡函數
        4.3.2 橫向最優(yōu)軌跡生成
        4.3.3 縱向最優(yōu)軌跡生成
        4.3.4 全局軌跡合成
    4.4 碰撞檢測方法研究
        4.4.1 障礙物軌跡預測
        4.4.2 方盒模型碰撞檢測
    4.5 運動限制檢測
        4.5.1 車輛轉向模型
        4.5.2 轉向機構約束
        4.5.3 動力學穩(wěn)定性約束
        4.5.4 制動約束
    4.6 本章小結
5 軌跡規(guī)劃方法仿真分析
    5.1 仿真環(huán)境的搭建
        5.1.1 車輛模型參數
        5.1.2 地圖信息
    5.2 仿真結果分析
        5.2.1 定速巡航場景
        5.2.2 自適應巡航
        5.2.3 停車
        5.2.4 變道匯流
    5.3 本章小結
6 總結與展望
    6.1 全文總結
    6.2 未來研究工作展望
致謝
參考文獻
個人簡歷、在學期間發(fā)表的學術論文及取得的研究成果



本文編號：3835702