面向无人驾驶车辆的多雷达检测与跟踪技术研究
发布时间：2021-12-19 01:33
无人驾驶技术成为了全世界研究的热门。无人驾驶汽车是由一个庞大的知识体系构成,主要需要解决四个方面的问题,即定位,感知,决策,控制。无人驾驶汽车不仅可以缓解交通压力,而且在工况危险的矿区,无人驾驶汽车可以代替人执行作业,增加了矿区工人的安全性。激光雷达在无人驾驶汽车环境感知中起着至关重要的作用,并具有检测距离远、精度高、受环境影响小等特点。激光雷达可以为无人驾驶车辆提供足够的道路环境信息,并可以满足无人驾驶车辆所需的实时性,具有重要的理论研究价值和工程价值。本文主要研究内容如下:（1）根据激光雷达的安装位置及其数据特点进行分析,提出基于多雷达融合的雷达数据预处理,首先,利用多激光雷达对智能车前方区域进行组网融合。其次,针对不同雷达的频率与位置关系对其进行时空对准。最后,提出基于特征的融合表决法检测障碍物,提高障碍物检测率。（2）根据雷达扫描融合数据特点,提出了一种基于多激光雷达可行驶区域信息提取算法。首先,根据雷达返回数据的特征结合数据区间密度分布获得路沿点集并利用基于加权欧氏距离的K-最近邻（K-NearestNeighbor,KNN）改进的OPTICS算法对得到的路沿点聚类。然后,使...
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：98 页
【学位级别】：硕士
【部分图文】：
无人驾驶车辆环境感知统体系Fig.1-1IntelligentVehicleofEnvironmentalAwarenessSystem
所共同研发的遥控侦察车在 1980 年被研制。八十年代后期，国防科技大学又研制出首辆智能小车，八五期间，ATB-1 无人驾驶车辆有清华大学、浙江大学等高校共同完成，时速可达二十公里每小时。2014 年 11 月 15-16 日，具有无人驾驶划时代意义的“中国智能车挑战赛”在常熟市进行了为期两天的比赛，参加比赛的单位有 10 余家，其中包括清华大学、同济大学、军事交通学院和西安交通大学等。在该 10 家单位中，共有 22 辆无人驾驶车辆进行比赛。在该比赛中，为了测试无人驾驶中的安全性、智能性和速度的平稳性，选择了不同场景下的道路进行比赛，其中包括校园道路、城市道路、城郊道路等，总共全长为 14.5KM。参赛车辆都配备有激光雷达、高速摄像机等传感器。比赛中，各车队展现出各个单位的气势，完成了自动避障、交通信号识别、自动加速减速以及自动停车调头等高难度动作。在比赛的最后，来自军事交通学院的“军交猛狮”车队发挥尤其出色，获得了本次赛事最高的两项荣誉冠亚军，成为本次比赛收获最大的参赛单位。不仅如此，“军交猛狮”还在2015 年、2016 年蝉联了“中国智能车未来挑战赛”三连冠。
图 1-3 百度无人驾驶车Fig.1-3 Intelligent vehicle of Baidu 22 日至 28 日期间，新一轮世界智能驾驶挑战大赛参赛队伍一共有 63 支，其中包括企业、高个类别组，其中，无人驾驶车队有 19 支，智能车队有 24 支。在无人驾驶这个组中，设置的项车道偏离预警与保持等。通过以上几种方式来考、决策和控制能力。在比赛过后，智能辅助驾驶队、西安理工车队、西安航空车队获领先奖，清众迈腾车队获领军奖；北京航空航天大学车队获人驾驶组中有七家单位被评为单项奖，包括，停奖、最佳避障奖军交猛狮二队、最佳信号识别猛狮智能车队、最佳速度奖军交猛狮车队、车队、最佳网联奖北航仿生车联网队。应用奖 狮队、清源智能车、长安大学前行车队，领先奖
【参考文献】：
期刊论文
[1]从百度无人驾驶汽车看人工智能在交通领域的应用[J]. 柴百霖. 中国高新区. 2018(06)
[2]基于多层激光雷达的可行驶区域信息提取算法[J]. 段建民,王昶人,任璐,刘丹. 电子技术应用. 2017(10)
[3]改进贝叶斯推理的栅格地图更新与障碍物检测[J]. 段建民,王昶人,任璐,刘丹. 激光杂志. 2017(08)
[4]2017世界智能驾驶挑战赛（WIDC）在中汽中心举行[J]. 摩托车技术. 2017(07)
[5]基于四线激光雷达的道路信息提取与目标检测[J]. 段建民,任璐,王昶人,刘丹. 激光杂志. 2017(06)
[6]无人驾驶汽车研究综述与发展展望[J]. 潘福全,亓荣杰,张璇,张丽霞. 科技创新与应用. 2017(02)
[7]时间序列数据挖掘的相似性度量综述[J]. 陈海燕,刘晨晖,孙博. 控制与决策. 2017(01)
[8]基于VLP-16激光雷达的360°全站式激光扫描仪设计与实现[J]. 许毅,郭际明,方孟元,杨学彬,张帅千. 测绘通报. 2016(S2)
[9]二值图像膨胀腐蚀的快速算法[J]. 邓仕超,黄寅. 计算机工程与应用. 2017(05)
[10]基于改进DBSCAN算法的激光雷达目标物检测方法[J]. 黄钢,吴超仲,吕能超. 交通信息与安全. 2015(03)
博士论文
[1]K-均值算法与自组织神经网络算法的改进研究及应用[D]. 王晓燕.中北大学 2017
[2]基于激光雷达的智能车辆目标识别与跟踪关键技术研究[D]. 周俊静.北京工业大学 2014
[3]城市交通中智能车辆环境感知方法研究[D]. 王科.湖南大学 2013
[4]面向智能车辆的道路环境理解技术研究[D]. 刘华军.南京理工大学 2007
硕士论文
[1]基于交互式多模型快速数据关联的多机动目标跟踪算法研究[D]. 裴忠钎.太原理工大学 2017
[2]基于DBSCAN聚类算法的研究与应用[D]. 冯振华.江南大学 2016
[3]基于多层激光雷达的道路与障碍物信息提取算法[D]. 郑凯华.北京工业大学 2015
[4]基于多种激光雷达数据融合的障碍检测技术的研究[D]. 杨光祖.北京工业大学 2013
[5]基于四线激光雷达的道路检测与跟踪[D]. 杨象军.浙江大学 2013
[6]基于单线激光雷达的道路特征检测[D]. 史鹏波.南京理工大学 2013
[7]非结构化道路路边融合算法研究[D]. 李雪.南京理工大学 2011
[8]多传感器信息融合中的时间配准技术研究[D]. 施立涛.国防科学技术大学 2010
[9]激光雷达原理系统软件设计[D]. 张杰.西安电子科技大学 2010
[10]基于路径规划的智能小车控制系统研究[D]. 孙颖.青岛大学 2007
本文编号：3543529
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：98 页
【学位级别】：硕士
【部分图文】：
无人驾驶车辆环境感知统体系Fig.1-1IntelligentVehicleofEnvironmentalAwarenessSystem
所共同研发的遥控侦察车在 1980 年被研制。八十年代后期，国防科技大学又研制出首辆智能小车，八五期间，ATB-1 无人驾驶车辆有清华大学、浙江大学等高校共同完成，时速可达二十公里每小时。2014 年 11 月 15-16 日，具有无人驾驶划时代意义的“中国智能车挑战赛”在常熟市进行了为期两天的比赛，参加比赛的单位有 10 余家，其中包括清华大学、同济大学、军事交通学院和西安交通大学等。在该 10 家单位中，共有 22 辆无人驾驶车辆进行比赛。在该比赛中，为了测试无人驾驶中的安全性、智能性和速度的平稳性，选择了不同场景下的道路进行比赛，其中包括校园道路、城市道路、城郊道路等，总共全长为 14.5KM。参赛车辆都配备有激光雷达、高速摄像机等传感器。比赛中，各车队展现出各个单位的气势，完成了自动避障、交通信号识别、自动加速减速以及自动停车调头等高难度动作。在比赛的最后，来自军事交通学院的“军交猛狮”车队发挥尤其出色，获得了本次赛事最高的两项荣誉冠亚军，成为本次比赛收获最大的参赛单位。不仅如此，“军交猛狮”还在2015 年、2016 年蝉联了“中国智能车未来挑战赛”三连冠。
图 1-3 百度无人驾驶车Fig.1-3 Intelligent vehicle of Baidu 22 日至 28 日期间，新一轮世界智能驾驶挑战大赛参赛队伍一共有 63 支，其中包括企业、高个类别组，其中，无人驾驶车队有 19 支，智能车队有 24 支。在无人驾驶这个组中，设置的项车道偏离预警与保持等。通过以上几种方式来考、决策和控制能力。在比赛过后，智能辅助驾驶队、西安理工车队、西安航空车队获领先奖，清众迈腾车队获领军奖；北京航空航天大学车队获人驾驶组中有七家单位被评为单项奖，包括，停奖、最佳避障奖军交猛狮二队、最佳信号识别猛狮智能车队、最佳速度奖军交猛狮车队、车队、最佳网联奖北航仿生车联网队。应用奖 狮队、清源智能车、长安大学前行车队，领先奖
【参考文献】：
期刊论文
[1]从百度无人驾驶汽车看人工智能在交通领域的应用[J]. 柴百霖. 中国高新区. 2018(06)
[2]基于多层激光雷达的可行驶区域信息提取算法[J]. 段建民,王昶人,任璐,刘丹. 电子技术应用. 2017(10)
[3]改进贝叶斯推理的栅格地图更新与障碍物检测[J]. 段建民,王昶人,任璐,刘丹. 激光杂志. 2017(08)
[4]2017世界智能驾驶挑战赛（WIDC）在中汽中心举行[J]. 摩托车技术. 2017(07)
[5]基于四线激光雷达的道路信息提取与目标检测[J]. 段建民,任璐,王昶人,刘丹. 激光杂志. 2017(06)
[6]无人驾驶汽车研究综述与发展展望[J]. 潘福全,亓荣杰,张璇,张丽霞. 科技创新与应用. 2017(02)
[7]时间序列数据挖掘的相似性度量综述[J]. 陈海燕,刘晨晖,孙博. 控制与决策. 2017(01)
[8]基于VLP-16激光雷达的360°全站式激光扫描仪设计与实现[J]. 许毅,郭际明,方孟元,杨学彬,张帅千. 测绘通报. 2016(S2)
[9]二值图像膨胀腐蚀的快速算法[J]. 邓仕超,黄寅. 计算机工程与应用. 2017(05)
[10]基于改进DBSCAN算法的激光雷达目标物检测方法[J]. 黄钢,吴超仲,吕能超. 交通信息与安全. 2015(03)
博士论文
[1]K-均值算法与自组织神经网络算法的改进研究及应用[D]. 王晓燕.中北大学 2017
[2]基于激光雷达的智能车辆目标识别与跟踪关键技术研究[D]. 周俊静.北京工业大学 2014
[3]城市交通中智能车辆环境感知方法研究[D]. 王科.湖南大学 2013
[4]面向智能车辆的道路环境理解技术研究[D]. 刘华军.南京理工大学 2007
硕士论文
[1]基于交互式多模型快速数据关联的多机动目标跟踪算法研究[D]. 裴忠钎.太原理工大学 2017
[2]基于DBSCAN聚类算法的研究与应用[D]. 冯振华.江南大学 2016
[3]基于多层激光雷达的道路与障碍物信息提取算法[D]. 郑凯华.北京工业大学 2015
[4]基于多种激光雷达数据融合的障碍检测技术的研究[D]. 杨光祖.北京工业大学 2013
[5]基于四线激光雷达的道路检测与跟踪[D]. 杨象军.浙江大学 2013
[6]基于单线激光雷达的道路特征检测[D]. 史鹏波.南京理工大学 2013
[7]非结构化道路路边融合算法研究[D]. 李雪.南京理工大学 2011
[8]多传感器信息融合中的时间配准技术研究[D]. 施立涛.国防科学技术大学 2010
[9]激光雷达原理系统软件设计[D]. 张杰.西安电子科技大学 2010
[10]基于路径规划的智能小车控制系统研究[D]. 孙颖.青岛大学 2007
本文编号：3543529
本文链接：https://www.wllwen.com/kejilunwen/qiche/3543529.html
