基于激光雷达的无人驾驶障碍物检测与辨识
发布时间：2021-11-18 21:40
障碍物检测与辨识是无人驾驶汽车环境感知功能的重要组成部分,对于提高无人驾驶汽车行驶的可靠性和安全性起着重要作用;而激光雷达由于测量精度高、范围广被作为主要传感器应用到了无人驾驶汽车上,本文研究了基于激光雷达测量数据的道路交通环境下障碍物的检测和辨识,并确立了基于点云聚类分割的障碍物检测方法以及基于点云特征和机器学习的障碍物分类辨识方法,主要研究工作和成果有以下几个方面:针对无人驾驶车载激光雷达的原始测量数据,提出并制定了一套通用有效的处理方法和流程,对于点云的获取、滤波、运动畸变校正、空间分布特点分析等数据的处理和分析具有一定的参考价值。在障碍物检测方面,明确了障碍物定义及主要检测对象,确定了以点云聚类分割为基础的检测方法;为了避免地面点云对检测造成的干扰,提出了一种基于直线拟合的方法将地面点云作为障碍物点云的背景进行分割并移除,并取得了较好的地面分割效果;针对目前常用聚类分割方法可能导致的欠分割和过分割问题,提出了一种基于欧氏距离的邻近生长聚类方法进行障碍物点云的分割。具体地,建立了点云的k-d树数据结构以进行点云空间快速邻域搜索,通过邻域搜索半径阈值的距离自适应在一定程度上避免了欠...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
图２－２?Ｖｅｌｏｄｙｎｅ?ＨＤＬ－６４Ｅ垂直视场及有效测量距离??
达数据［３９］，其中激光霄??达数据就是由Ｖｅｌｏｄｙｎｅ公芎研发的６４线激光雷达ＨＤＬ－６４Ｅ采集得到。??２．２激光雷达原始数据处理??２．２．１坐标转换??激光雷达点：石＿坐标系．定乂在Ｖｅｌｏｄｙｎｅ坐細系下，如圏２－３所尔激光舊达中心为??坐标系原点０，?ＸＹ乎面平行于底座底平面，且Ｘ轴ＩＨ方向指向激光耆达ｉＨ右方，Ｙ??轴正方向指向激光黉达ＪＥ前方，Ｚ轴疋方向：垂直ＸＹ平面向上（不难看出Ｚ轴也是激??光雷迖工作时激光模块的旋转中轴）。??ａ?ｚ?ａ?ｚ??Ｙ??图２－３激光雷达点云坐标系??根据点云坐标系的定义，为了更好地获得车辆周围的环境信息词时体现激光赁达??测量處与车辆的相对位置关系，激光雷达水平安装在车顶，如图２－４所示＾点云坐标??系麵．牟辆有如下位賛关系：??１，）安装高度（即点云坐标系原点到地面的距离）为１．７３ｍ；??２）?Ｘ轴芷方向指向以率头Ｓ前方；牟头朝前，Ｙ轴芷方向垂慮车辆纵向对称面并??９??
?第＿ｉＳ鐵达点云获取与处理???指向车身左侧；Ｚ轴正方向竖重向上。??图２－４激光雷达安装示意图??激光雷达水平安装在车顶，基本没有遮挡，可以获得理想的测扫描测量范围。Ｘ＇??作时，激光雷达按一定的频率旋转，不断地发射激光扫描周围空间得到原始扫描测量??数据，并将原始扫描测讀数据以ＵＤＰ数据包的格式通过以太网向外发送。每个ＵＤＰ??数据包的大小为１２４８字节，由４２字节的包头、１２个１００字节的数据块，以及６宇节??的状态信息组成［４（）］，数据包的具体内容及组织格式见表２－２。??表２－２?ＵＤＰ数据包的组织格式及内容??组织格式（数据大小单位：宇节）?数据内容??４２?包头??２?激光器糢块标识??２?旋转像鷲??。八?单个数?＾＾＾２＾?距离信息??＾?＇?据块?激光器??有效１〇〇?３２Ｘ３测屢数据?１?反射强度餐息??１２４８?数据?１２Ｘ１００?３??此处省略３１个同上３字节的数据??１２０６??????此处省略１１个同，上１００学节的数据??状态?４?ＧＰＳ时间戳??信息??１??状态类型，??６?１?状态值??１０??
【参考文献】：
期刊论文
[1]基于激光雷达点云密度特征的智能车障碍物检测与跟踪[J]. 汪世财,谈东奎,谢有浩,赵林峰. 合肥工业大学学报(自然科学版). 2019(10)
[2]扫描线段特征用于三维点云地面分割[J]. 程子阳,任国全,张银. 光电工程. 2019(07)
[3]基于射线坡度阈值的城市地面分割算法[J]. 李炯,赵凯,白睿,朱愿,徐友春. 光学学报. 2019(09)
[4]基于三维激光雷达的车辆目标检测方法[J]. 苏致远,徐友春,李永乐. 军事交通学院学报. 2017(01)
[5]基于激光雷达的无人驾驶汽车动态障碍物检测、跟踪与识别方法[J]. 黄如林,梁华为,陈佳佳,赵盼,杜明博. 机器人. 2016(04)
[6]基于体素化网格下采样的点云简化算法研究[J]. 袁华,庞建铿,莫建文. 电视技术. 2015(17)
[7]基于k-d树的机载LIDAR点云滤波处理[J]. 刘艳丰,王守彬,汤仲安,赵永统. 测绘工程. 2009(05)
[8]基于主元神经网络的非结构化道路跟踪[J]. 李青,郑南宁,马琳,程洪. 机器人. 2005(03)
[9]汽车纵向行驶安全报警系统开发[J]. 刘刚,侯德藻,杨殿阁,李克强,连小珉. 汽车工程. 2004(03)
[10]多功能室外智能移动机器人实验平台—THMR-V[J]. 张朋飞,何克忠,欧阳正柱,张军宇. 机器人. 2002(02)
博士论文
[1]基于激光点云的复杂三维场景多态目标语义分割技术研究[D]. 张蕊.战略支援部队信息工程大学 2018
[2]面向建筑测绘的地面激光扫描模式识别方法研究[D]. 梁玉斌.武汉大学 2013
[3]机载激光雷达点云数据处理与建筑物三维重建[D]. 曾齐红.上海大学 2009
硕士论文
[1]基于激光雷达的行人目标检测与识别[D]. 范小辉.重庆邮电大学 2019
[2]基于深度神经网络的激光雷达点云语义分割算法研究[D]. 周天添.哈尔滨工业大学 2019
[3]城区环境下基于激光雷达的障碍物聚类和跟踪方法研究[D]. 张彩红.中国科学技术大学 2019
[4]基于车载激光雷达的目标识别方法研究[D]. 王旭.山东理工大学 2019
[5]基于深度学习的物体检测与跟踪方法的研究[D]. 曾钰廷.东华理工大学 2018
[6]基于激光扫描雷达的自动驾驶技术研究[D]. 李赵.北方工业大学 2018
[7]基于激光雷达的无人驾驶汽车自主寻迹研究[D]. 王文宇.长安大学 2018
[8]激光雷达/相机组合的3D SLAM技术研究[D]. 李帅鑫.战略支援部队信息工程大学 2018
[9]基于三维激光雷达的障碍物检测与跟踪研究[D]. 汪世财.合肥工业大学 2018
[10]无人驾驶汽车动态障碍物识别及避障方法研究[D]. 张红.山东科技大学 2018
本文编号：3503661
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
图２－２?Ｖｅｌｏｄｙｎｅ?ＨＤＬ－６４Ｅ垂直视场及有效测量距离??
达数据［３９］，其中激光霄??达数据就是由Ｖｅｌｏｄｙｎｅ公芎研发的６４线激光雷达ＨＤＬ－６４Ｅ采集得到。??２．２激光雷达原始数据处理??２．２．１坐标转换??激光雷达点：石＿坐标系．定乂在Ｖｅｌｏｄｙｎｅ坐細系下，如圏２－３所尔激光舊达中心为??坐标系原点０，?ＸＹ乎面平行于底座底平面，且Ｘ轴ＩＨ方向指向激光耆达ｉＨ右方，Ｙ??轴正方向指向激光黉达ＪＥ前方，Ｚ轴疋方向：垂直ＸＹ平面向上（不难看出Ｚ轴也是激??光雷迖工作时激光模块的旋转中轴）。??ａ?ｚ?ａ?ｚ??Ｙ??图２－３激光雷达点云坐标系??根据点云坐标系的定义，为了更好地获得车辆周围的环境信息词时体现激光赁达??测量處与车辆的相对位置关系，激光雷达水平安装在车顶，如图２－４所示＾点云坐标??系麵．牟辆有如下位賛关系：??１，）安装高度（即点云坐标系原点到地面的距离）为１．７３ｍ；??２）?Ｘ轴芷方向指向以率头Ｓ前方；牟头朝前，Ｙ轴芷方向垂慮车辆纵向对称面并??９??
?第＿ｉＳ鐵达点云获取与处理???指向车身左侧；Ｚ轴正方向竖重向上。??图２－４激光雷达安装示意图??激光雷达水平安装在车顶，基本没有遮挡，可以获得理想的测扫描测量范围。Ｘ＇??作时，激光雷达按一定的频率旋转，不断地发射激光扫描周围空间得到原始扫描测量??数据，并将原始扫描测讀数据以ＵＤＰ数据包的格式通过以太网向外发送。每个ＵＤＰ??数据包的大小为１２４８字节，由４２字节的包头、１２个１００字节的数据块，以及６宇节??的状态信息组成［４（）］，数据包的具体内容及组织格式见表２－２。??表２－２?ＵＤＰ数据包的组织格式及内容??组织格式（数据大小单位：宇节）?数据内容??４２?包头??２?激光器糢块标识??２?旋转像鷲??。八?单个数?＾＾＾２＾?距离信息??＾?＇?据块?激光器??有效１〇〇?３２Ｘ３测屢数据?１?反射强度餐息??１２４８?数据?１２Ｘ１００?３??此处省略３１个同上３字节的数据??１２０６??????此处省略１１个同，上１００学节的数据??状态?４?ＧＰＳ时间戳??信息??１??状态类型，??６?１?状态值??１０??
【参考文献】：
期刊论文
[1]基于激光雷达点云密度特征的智能车障碍物检测与跟踪[J]. 汪世财,谈东奎,谢有浩,赵林峰. 合肥工业大学学报(自然科学版). 2019(10)
[2]扫描线段特征用于三维点云地面分割[J]. 程子阳,任国全,张银. 光电工程. 2019(07)
[3]基于射线坡度阈值的城市地面分割算法[J]. 李炯,赵凯,白睿,朱愿,徐友春. 光学学报. 2019(09)
[4]基于三维激光雷达的车辆目标检测方法[J]. 苏致远,徐友春,李永乐. 军事交通学院学报. 2017(01)
[5]基于激光雷达的无人驾驶汽车动态障碍物检测、跟踪与识别方法[J]. 黄如林,梁华为,陈佳佳,赵盼,杜明博. 机器人. 2016(04)
[6]基于体素化网格下采样的点云简化算法研究[J]. 袁华,庞建铿,莫建文. 电视技术. 2015(17)
[7]基于k-d树的机载LIDAR点云滤波处理[J]. 刘艳丰,王守彬,汤仲安,赵永统. 测绘工程. 2009(05)
[8]基于主元神经网络的非结构化道路跟踪[J]. 李青,郑南宁,马琳,程洪. 机器人. 2005(03)
[9]汽车纵向行驶安全报警系统开发[J]. 刘刚,侯德藻,杨殿阁,李克强,连小珉. 汽车工程. 2004(03)
[10]多功能室外智能移动机器人实验平台—THMR-V[J]. 张朋飞,何克忠,欧阳正柱,张军宇. 机器人. 2002(02)
博士论文
[1]基于激光点云的复杂三维场景多态目标语义分割技术研究[D]. 张蕊.战略支援部队信息工程大学 2018
[2]面向建筑测绘的地面激光扫描模式识别方法研究[D]. 梁玉斌.武汉大学 2013
[3]机载激光雷达点云数据处理与建筑物三维重建[D]. 曾齐红.上海大学 2009
硕士论文
[1]基于激光雷达的行人目标检测与识别[D]. 范小辉.重庆邮电大学 2019
[2]基于深度神经网络的激光雷达点云语义分割算法研究[D]. 周天添.哈尔滨工业大学 2019
[3]城区环境下基于激光雷达的障碍物聚类和跟踪方法研究[D]. 张彩红.中国科学技术大学 2019
[4]基于车载激光雷达的目标识别方法研究[D]. 王旭.山东理工大学 2019
[5]基于深度学习的物体检测与跟踪方法的研究[D]. 曾钰廷.东华理工大学 2018
[6]基于激光扫描雷达的自动驾驶技术研究[D]. 李赵.北方工业大学 2018
[7]基于激光雷达的无人驾驶汽车自主寻迹研究[D]. 王文宇.长安大学 2018
[8]激光雷达/相机组合的3D SLAM技术研究[D]. 李帅鑫.战略支援部队信息工程大学 2018
[9]基于三维激光雷达的障碍物检测与跟踪研究[D]. 汪世财.合肥工业大学 2018
[10]无人驾驶汽车动态障碍物识别及避障方法研究[D]. 张红.山东科技大学 2018
本文编号：3503661
本文链接：https://www.wllwen.com/kejilunwen/qiche/3503661.html
