智能车辆近场物体探测及其状态识别方法研究

发布时间：2017-05-19 13:00

  本文关键词：智能车辆近场物体探测及其状态识别方法研究，由笔耕文化传播整理发布。

【摘要】：对于先进驾驶辅助系统或者无人驾驶汽车来说,感知或者理解车辆周围的环境是非常重要的环节。判断车辆周围障碍物的动静态属性是至关重要的。广泛来说,环境感知包括:获取静态障碍物的相对位置,获取主车在地图中的位置,探测动态障碍物并获取相关属性(位置,速度,运动方向等)。本文主要研究智能车辆近场物体的探测及其状态识别方法。主要解决了近场物体探测,目标运动状态识别,搭建实车实验平台及仿真实验平台与算法验证:1、研究了采用多个单线激光雷达进行近场环境感知中的障碍物探测问题,介绍了障碍物检测中常用的聚类分析算法,对比分析了DBSCAN(Density-Based Spatial Clustering of Applications with Noise,具有噪声应用的基于密度的空间聚类)算法,K-means算法以及ABD(Adoptive Breakpoint Detection,自适应距离阈值)算法。然后介绍了多传感器数据融合的基本理论,融合框架,融合等级和融合算法。最后进行了方案选择,为了提高障碍物检测的准确性,本文提出的障碍物检测算法是采用雷达数据的矢径长度,矢径长度变化率以及雷达数据编号进行聚类,通过三个不同的物理量来区分出不同的物体,使得探测结果更加准确,而且还能分辨出障碍物的动静态属性。在聚类过程中采用了标准化欧氏距离来统一这三个不同的物理量。这种障碍物检测算法不仅可以用于单线激光雷达,还可以用于多线激光雷达。然后提出了本文基于特征级多传感器数据融合算法的障碍物探测架构。2、研究了动态障碍物的目标运动状态估计问题,介绍了跟踪门的概念以及常用的两种跟踪门、矩形跟踪门、椭圆形跟踪门。然后介绍了最近邻法、概率数据关联法、联合概率数据关联法和多假设跟踪法四种数据关联算法,卡尔曼滤波、α-β滤波和粒子滤波三种滤波估计算法以及匀速模型、匀加速模型、Singer模型以及“当前”统计模型四种运动模型。最后进行了方案选择:出于对实时性的考虑,选择了矩形跟踪门和最近邻法对目标进行关联匹配,然后通过建立基于“当前”统计模型的自适应卡尔曼滤波算法来对目标运动状态进行估计。3、搭建了近场物体探测及其运动状态识别的仿真和实验平台。采用CARSIM-SIMULINK联合仿真对目标运动状态识别算法进行仿真验证。然后用搭载了四个HOKUYO-UTM-30LX单线激光雷达的奥迪Q5智能车进行了实车实验验证,对近场障碍物探测算法和目标运动状态估计算法进行了验证。经过20次实车实验表明本文提出的近场障碍探测算法对动态障碍物检测的准确率可以达到100%,对静态障碍物的检测的准确率可以达到90%左右。基于“当前”统计模型的自适应卡尔曼滤波算法对实际道路上行驶的汽车能够很好的估计其位置,速度以及加速度。
【关键词】：智能车 物体探测 状态估计 多传感器信息融合
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;U463.6
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 绪论11-17
• 1.1 课题提出11-12
• 1.2 国内外研究现状12-15
• 1.2.1 国内外障碍物探测算法研究现状13-15
• 1.2.2 国内外目标运动状态识别算法研究现状15
• 1.3 本文主要内容及章节安排15-17
• 第二章 近场物体探测17-37
• 2.1 引言17
• 2.2 聚类算法17-23
• 2.2.1 K-means聚类18-20
• 2.2.2 DBSCAN聚类20-22
• 2.2.3 ABD算法22-23
• 2.2.4 欧氏距离23
• 2.3 多传感器信息融合23-34
• 2.3.1 数据融合的级别24-26
• 2.3.2 通用处理结构26-28
• 2.3.3 多传感器数据融合算法28-34
• 2.4 近场物体探测方案设计34-35
• 2.5 本章小结35-37
• 第三章 近场物体运动状态识别37-53
• 3.1 引言37
• 3.2 跟踪门37-40
• 3.2.1 椭圆跟踪门38-39
• 3.2.2 矩形跟踪门39-40
• 3.3 数据关联算法40-44
• 3.3.1 最近邻算法40
• 3.3.2 概率数据关联法40-41
• 3.3.3 联合概率数据关联法41-43
• 3.3.4 多假设跟踪法43-44
• 3.4 滤波算法44-46
• 3.4.1 卡尔曼滤波44-45
• 3.4.2 α?β滤波器45
• 3.4.3 粒子滤波45-46
• 3.5 运动状态模型46-51
• 3.5.1 匀速和匀加速模型46-47
• 3.5.2 Singer模型47-48
• 3.5.3 “当前”统计模型48-51
• 3.6 近场物体运动状态识别方案设计51-52
• 3.6.1 近场物体运动状态识别实现框架51
• 3.6.2 跟踪门选择51
• 3.6.3 数据关联算法选择51
• 3.6.4 滤波算法选择51-52
• 3.6.5 目标运动模型选择52
• 3.7 本章小结52-53
• 第四章 仿真与实车实验验证53-73
• 4.1 引言53
• 4.2 仿真实验验证53-62
• 4.2.1 仿真环境53
• 4.2.2 匀速、匀加速和当前统计模型仿真实验53-62
• 4.3 实车实验平台搭建62-67
• 4.3.1 软件平台搭建62-63
• 4.3.2 实车传感器平台搭建63-65
• 4.3.3 惯性导航系统标定65
• 4.3.4 激光雷达标定65-67
• 4.4 实车实验67-72
• 4.4.1 近场物体检测实车实验验证67-68
• 4.4.2 目标运动状态估计实车实验验证68-72
• 4.5 本章小结72-73
• 第五章 全文总结与展望73-75
• 5.1 全文总结73-74
• 5.2 未来展望74-75
• 参考文献75-82
• 致谢82

【相似文献】

中国期刊全文数据库 前10条

1 齐永顺;张文泉;;设备状态识别[J];机械设计与制造;1987年04期

2 李力,赵新泽;应用统计数学方法增进机器状态识别技术[J];实用测试技术;2000年03期

3 王琼;王欢;赵春霞;杨静宇;;基于眼睛状态识别的驾驶员疲劳监测[J];南京理工大学学报(自然科学版);2010年04期

4 滕红智;贾希胜;赵建民;张星辉;王正军;葛家友;;分层隐Markov模型在设备状态识别中的应用研究[J];中国机械工程;2011年18期

5 李虹;;路面状态识别技术概述[J];气象水文海洋仪器;2012年04期

6 余丹炯;李训铭;;驾驶困倦预警系统中眼部状态识别的研究[J];河海大学常州分校学报;2007年02期

7 张雷元;袁建华;赵永进;;道路交通状态识别技术研究[J];道路交通与安全;2009年02期

8 王正军;张培林;任国全;高经纬;李兵;;装备发动机运行状态识别[J];四川兵工学报;2008年02期

9 余成波，梁德沛;基于模糊相似贴近度旋转机械状态识别[J];机械传动;1994年04期

10 李擎,郑德玲,孟文博,童新海,谢四江;一种新的加热炉状态识别算法[J];北京科技大学学报;2002年03期

中国重要会议论文全文数据库 前9条

1 汤新蓓;郑德玲;汤峥嵘;张长红;;证据理论支持下的状态识别方法[A];1997年中国控制会议论文集[C];1997年

2 郑德玲;方巍;;基于组合逻辑与模糊逻辑的状态识别方法[A];1998年中国控制会议论文集[C];1998年

3 方剑青;李红军;雷毅平;陈德华;;声学共振谱方法用于结构状态识别的实验研究[A];2008年全国声学学术会议论文集[C];2008年

4 杨明忠;樊建春;;磨损形态分析与智能化磨损状态识别研究[A];第六届全国摩擦学学术会议论文集（上册）[C];1997年

5 赵伟;黄春琳;;生命探测技术研究[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

6 李宏坤;周帅;孙志辉;;基于Hilbert时频谱重心与支持向量机的设备状态识别[A];第八届全国动力学与控制学术会议论文集[C];2008年

7 刘伟;郭钟宁;张永俊;何建文;;面向IGBT主动驱动并联仿真研究[A];第11届粤港机械电子工程技术与应用研讨会论文汇编[C];2010年

8 周颖;郑德玲;裘之亮;位耀光;;一种新的免疫识别算法及其收敛性研究[A];第二十三届中国控制会议论文集（下册）[C];2004年

9 陈锴;徐柏龄;;基于最佳维纳解的双通道话者状态识别方法[A];中国声学学会2006年全国声学学术会议论文集[C];2006年

中国博士学位论文全文数据库 前4条

1 李楠;基于单类学习的异常检测方法及其重型装备状态识别应用[D];上海交通大学;2014年

2 李娜;基于人体运动状态识别的可穿戴健康监测系统研究[D];北京工业大学;2013年

3 李虹;基于机器视觉路面状态识别关键技术研究[D];吉林大学;2009年

4 王金伟;基于表情时空特征的认知情感状态识别研究[D];天津大学;2014年

中国硕士学位论文全文数据库 前10条

1 游雄雄;矿冶典型零部件退化状态识别与剩余寿命预测及可再制造性评估[D];江西理工大学;2015年

2 林助军;非稳态条件下摩擦信号处理和状态识别技术研究[D];大连海事大学;2015年

3 叶卿;信号控制交叉口交通拥堵状态识别方法研究[D];华南理工大学;2015年

4 张鑓;人体运动状态感知机理及传感数据分析研究[D];北京工业大学;2015年

5 邵剑雄;基于霍夫森林的变电站开关设备检测及状态识别[D];浙江大学;2016年

6 刘雨;基于SVM的直升机飞行状态识别方法及其应用研究[D];南昌航空大学;2016年

7 冯青平;基于云计算的交通流预测与状态识别关键技术研究[D];江苏大学;2016年

8 鲍阚;智能车辆近场物体探测及其状态识别方法研究[D];吉林大学;2016年

9 张镭;基于红外热像的设备状态识别技术研究[D];北京化工大学;2010年

10 邓忠;基于车载自组织网的车辆状态识别与驾驶行为评估[D];华南理工大学;2015年

  本文关键词：智能车辆近场物体探测及其状态识别方法研究，由笔耕文化传播整理发布。

，

本文编号：378734