基于三维激光雷达的智能汽车障碍物检测与跟踪

发布时间：2020-04-02 04:29

【摘要】：智能汽车(Intelligent Vehicle,IV)是一个复杂的集合体,包括环境感知、规划决策、行为控制多个模块,融合了计算机技术、传感技术、通信技术、模式识别技术及自动控制技术等多项高新技术。汽车周围存在大量阻碍车辆行驶的障碍物,如何对环境进行准确感知是智能汽车面临的非常艰巨但又迫切需要解决的问题。激光雷达由于其测量距离远,测量精度高,受环境影响小等优点,广泛应用于智能汽车环境感知系统中,具有重要的理论研究及工程实际应用价值。本文针对智能汽车环境感知需求,以江苏大学自主开发的无人驾驶汽车为研究平台,开展基于三维激光雷达的车辆周围障碍物检测及跟踪方法研究,为自主车辆安全行驶提供可靠的环境信息。主要研究内容如下:(1)搭建了基于三维激光雷达的智能汽车环境感知平台,分析了三维激光雷达传感器点云数据特点以及雷达坐标系和车体坐标系的转换关系,开发了核心算法和应用软件。(2)针对点云数据分割环节中悬挂障碍物难以检测以及单一阈值导致的分割算法鲁棒性不足的问题,提出了一种新型的多特征多层栅格地图。通过分割栅格内点云来检测悬挂物,并结合高度特征以及强度特征判定地面区域。实车实验证明所提算法能有效地分离地面以及障碍物区域,并能滤除悬挂障碍物。(3)针对激光雷达数据聚类过程中易出现的过分割现象,运用网格聚类的方式,将障碍物栅格深度值与聚类距离联系在一起,并采用相邻帧障碍目标特性进行聚类匹配,完成同一目标不同栅格块的聚类工作。在目标分类环节中,通过目标的位置姿态特征以及轮廓特征,运用支持向量机对道路中动态障碍物目标进行分类。(4)针对道路环境中障碍物数目不定,运动状态随时发生变化的特点,采用了一种结合多假设跟踪算法以及交互式多模型算法的目标跟踪系统,其中多假设跟踪算法应用于多个目标数据关联,而交互式多模型算法应用于对目标进行状态估计。通过卡尔曼滤波的对比实验,验证了本文算法能得到较为准确的障碍物位置与速度信息。本文对智能汽车测试平台采集到的实车数据和KITTI数据集中的数据进行了大量实验验证。结果表明本文所提出的三维激光雷达数据处理算法,能够实现对车辆周围障碍物进行检测与跟踪,具有较好的可行性以及鲁棒性。
【图文】：

架构图,智能汽车,通用系统,架构

基于三维激光雷达的智能汽车障碍物检测及跟踪能给对整个智能车行业起推动作用。本章节对智能驾驶汽车主要技术以及国进行了概述，深入分析了车载激光雷达环境感知系统概念以及研究现状。智能汽车技术概述能汽车又可以称之为无人驾驶车辆（Unmanned Vehicle），移动机器人（t），对其的研究涉及到多个学科、多个领域，具有重要的研究价值。无人驾驶个模块以及技术方法，例如智能传感器技术、高精环境地图及自车定位、模智能、操作系统的建立、路径规划及决策、障碍物检测与规避、车辆控制以优化等。虽然不同高校不同企业设计的自动驾驶汽车解决方案有一些不同，统的构建以及实现功能上都区别不大。图 1.1 概括了一般智能汽车的通用系统

智能汽车

图 1.2 智能汽车感知端Fig.1.2 Intelligent vehicle perception system二十世纪八十年代就大规模支持自主陆地车究。ALV 可以不分昼夜地完成作战要求，并能大，是未来军事发展的重要方向。1977 至 2000 年一些实验和开放项目。之后，各国对无人车的研术，并取得了一系列成果。最具代表的是美国办过三届比赛，每一届比赛中，，大部分车辆都驶了 7.4 英里的 Carnegie Mellon 大学的“San的“Stanley”号以 6 小时 53 分的成绩最终获得自 Carnegie Mellon 大学的“Boss”无人车获得无人驾驶环境下，以 60km/h 的速度完成了城市
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6

【参考文献】