本文關(guān)鍵詞：基于三維激光雷達的無人駕駛車輛環(huán)境建模關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 三維激光雷達 路面分割 道路邊界檢測 動態(tài)障礙物建模 路權(quán)時空態(tài)勢圖

【摘要】：作為下一個改變?nèi)祟惿罘绞降募夹g(shù)藍海,無人駕駛車輛研究日益受到學術(shù)界和產(chǎn)業(yè)界的高度關(guān)注,其技術(shù)涉及認知科學、人工智能、控制科學、機械工程等交叉學科,是各種新興技術(shù)的最佳驗證平臺,也是未來汽車發(fā)展的必然趨勢。在無人駕駛汽車研究領(lǐng)域,如何完整、準確、實時、魯棒地實現(xiàn)三維場景的環(huán)境建模一直是研究的重點和難點。由于能夠通過非接觸掃描方式精確獲取三維環(huán)境信息,Velodyne三維激光雷達在無人駕駛汽車上得到廣泛的應(yīng)用。本文基于Velodyne三維激光雷達原始點云數(shù)據(jù)研究無人駕駛汽車的三維環(huán)境建模和路權(quán)時空態(tài)勢圖構(gòu)建技術(shù),具體研究內(nèi)容包括以下幾個方面：(1)系統(tǒng)闡述無人駕駛汽車環(huán)境建模相關(guān)概念和國內(nèi)外研究現(xiàn)狀,對比分析三維環(huán)境建模傳感器的優(yōu)缺點,重點介紹三維激光雷達用于各種環(huán)境要素的主流建模方法。(2)研究Velodyne原始數(shù)據(jù)點云分割方法。針對三維激光雷達原始數(shù)據(jù)在不同工作環(huán)境下的點云形態(tài)差異問題,通過研究無向圖結(jié)構(gòu)的多特征、寬閾值、分層次道路區(qū)域分割算法,實現(xiàn)對三維激光雷達原始數(shù)據(jù)點云的精確、可靠分割,在此基礎(chǔ)上構(gòu)建準確的障礙物柵格圖。(3)研究基于障礙物柵格圖的道路邊界檢測方法。提出一種基于道路形態(tài)分析的邊界提取方法,通過獲取道路趨勢和道路寬度分布信息,降低路內(nèi)障礙物和邊界間斷對于道路邊界提取所產(chǎn)生的影響。利用車輛自身位姿變化進行道路邊界預(yù)測,在此基礎(chǔ)上,通過激光雷達原始點云數(shù)據(jù)生成的最大最小高度差圖實現(xiàn)道路邊界更新,從而有效提高道路邊界檢測的實時性和連續(xù)性。(4)研究動態(tài)障礙物建模和路權(quán)時空態(tài)勢圖構(gòu)建方法。通過研究Velodyne掃描線鄰域分布信息實現(xiàn)動態(tài)障礙物提取以提高動態(tài)障礙完整性。在此基礎(chǔ)上,提出一種基于PCA算法的障礙物形態(tài)信息分析方法,通過與四叉樹多障礙物分布形態(tài)融合來提高交通擁擠狀態(tài)下動態(tài)障礙物的匹配精度。利用卡爾曼濾波對動態(tài)障礙物動態(tài)特性建模,預(yù)測未來時刻障礙物分布以構(gòu)建時空障礙物柵格圖,并對其進行距離變換獲取路權(quán)時空態(tài)勢圖。通過各種環(huán)境要素模型的融合,路權(quán)時空態(tài)勢圖以灰度圖形式反映了環(huán)境中各區(qū)域安全系數(shù),為無人駕駛汽車決策提供簡潔、準確的數(shù)據(jù)接口。以“智能先鋒號”無人駕駛汽車為平臺,在真實駕駛環(huán)境中進行了大量測試,驗證了算法的準確性,魯棒性和實時性。本文最后總結(jié)了本文的主要貢獻,并對下一步研究工作進行展望。
【學位授予單位】：中國科學技術(shù)大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TP242;TN958.98

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳之中;吳訓(xùn)成;;倒車環(huán)境下的網(wǎng)狀障礙物識別技術(shù)[J];上海工程技術(shù)大學學報;2012年01期

2 向榮;蔣榮欣;;鐵路機車快速超視距障礙物識別算法[J];湘潭大學自然科學學報;2013年02期

3 楊文杰;胡明昊;楊靜宇;;一種基于光流的障礙物估計算法[J];計算機工程與應(yīng)用;2006年05期

4 楊素華,趙文龍,陳思平,江少鋒;基于球空間極近距離障礙物的超聲檢測方法[J];南昌航空工業(yè)學院學報(自然科學版);2004年04期

5 項志宇;;針對越野自主導(dǎo)航的障礙物檢測系統(tǒng)[J];東南大學學報(自然科學版);2005年S2期

6 解興哲;王Y，

本文編號：1280629