城市拥堵环境智能车辆定位方法研究与实践

发布时间：2020-08-02 21:22

【摘要】：车辆定位是智能车辆在城市环境中自主导航的一项关键技术。城市环境具有丰富的结构特征,而激光雷达具有出色的环境建模能力,十分适合城市环境下智能车辆的高精度定位。但在拥堵的城市环境,道路中存在大量的交通车辆和人群,这些物体具有很强的动态性,并且会产生严重的遮挡。在这种拥堵城市道路中,激光雷达定位方法受到动态干扰和严重遮挡的影响,会导致建图、定位困难。此外,在城市复杂环境中导航要求定位算法具有良好的实时性,而传统的基于点云定位的方法常存在定位实时性问题。因此,定位结果的鲁棒性和实时性,是激光雷达定位方法在城市拥堵环境中应用的两大难点。本文针对这两个问题展开研究,通过分析不同高度点云数据的特点,提出基于八叉树和基于柱状特征的智能车辆定位方法,提高拥堵城市环境下激光雷达定位的鲁棒性与实时性。对于道路周边的树木、建筑物等物体,这些物体高于交通车辆的天空部分,基本不受动态遮挡的影响。基于八叉树的智能车辆定位方法,选取天空点云用于匹配定位,保证了定位算法的鲁棒性。针对点云匹配定位的实时性问题,本文提出基于八叉树的快速ICP匹配方法。通过建立八叉树结构实现有效的空间索引,提高ICP算法中对应点的搜索效率。并且利用八叉树的分层特性,通过多分辨率匹配策略,保证匹配定位精度的同时进一步略降低计算量,提高算法实时性。本文定位实验证明,基于天空点云与八叉树ICP匹配的定位方法在复杂城市道路中具有良好的鲁棒性与实时性。道路环境中部的点云,受到动态车辆遮挡影响比较严重,需要提取稳定可靠的特征用于定位。本文选取对车辆遮挡比较鲁棒的柱状物作为定位特征,提出了基于柱状特征的智能车辆定位方法,利用道路环境中层点云中的树干、电线杆等柱状特征,进行特征地图创建与车辆定位。为快速鲁棒地从点云中提取柱状特征,本文提出基于三维栅格和基于环形扫描两种柱状特征提取方法,并使用圆形拟合建立柱状特征观测误差模型。最后提出基于柱状特征的粒子滤波算法实现智能车辆在城市拥堵环境的实时鲁棒定位。拥堵城市环境中的定位实验证明,基于柱状特征的定位方法保证了定位结果的实时性、鲁棒性与精确性,同时还大大降低了地图的数据量。
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6;TN958.98
【图文】：

框架图,系统整体,框架,高精度

通大学硕士学位论文第二章定位激光雷达：用于扫描环境三维信息，得到三维点云数据，通过观测模型处八叉树点云、柱状特征等雷达观测，与高精度 GPS 结合建立高精度地图；编码器：用于获取车辆速度信息；惯导：用于测量车辆转向角速度信息；高精度 GPS：获得车辆位姿真值，用于高精度地图创建以及定位算法评估统整体算法框架如下所示：

地图,实验平台

算法提取的柱状特征，对应的高精度地图为柱状特征地图，在线定位过程中，使用粒子滤波算法匹配实时柱状特征观测与参考特征地图得到定位结果。在实际实验中，本文采用如图2 2所示的 CyberTiggo 无人驾驶汽车平台。该实验平台上装有定位系统所需的激光雷达、高精度 GPS、惯导和编码器。其中，激光雷达装在车顶正上方，并以一定的俯仰角向前倾斜，这种安装方式比水平安装的优势在于能够扫描到更多道路上方的树木、建筑物等物体，减小交通车辆的遮挡影响。GPS 传感器为高精度测向 GPS, 安装在车辆后轴中心的正上方，能够以 100Hz 的频率获得车辆实时位置和航向。编码器安装于车辆后轮，实际使用中，用两轮车速的平均值作为车辆当前速度。惯导安装在车辆重心位置，工作频率为 100Hz。图 2 2 本文实验平台Fig 2 2 Our experimental platform.计算机平台方面，本文使用安装在实验车辆上的工控机。工控机通过以太网和激光雷达进行通信

激光雷达,坐标系

图 2 4 车辆与传感器坐标系Fig 2 4 Vehicle and sensor coordinate.如图2 3和2 4所示，本文主要涉及两个坐标系，一个是 UTM(UniversalT ransverseMercator) 导航坐标系，一个是车辆与传感器坐标系。UTM 坐标系是一种国际标准化的地图投影法, 该座标系统采用 WGS84 系统作为座标基础, 将南纬 80° 至北纬 84° 之间的所有位置展开投影到笛卡尔平面坐标系。UTM 坐标系规定向东向北为正，本文中以正东为地图坐标系X轴的正方向，以正北为地图坐标系Y轴的正方向，规定航向角正东方向到正西方向逆时针变化区间为, π，顺时针变化区间为, π。车辆坐标系以车辆后轮中心为坐标轴原点，车辆前进方向为X轴的正方向

【参考文献】