基于四线激光雷达的目标检测与跟踪算法研究

发布时间：2020-10-14 22:18

【摘要】：当今时代,随着经济的快速发展,交通堵塞频繁、交通事故增多和环境污染等一系列社会问题变得愈发严重,汽车智能化是解决这些问题的重要途径之一。智能汽车系统主要包括环境感知、规划决策和控制执行等三个部分。在环境感知中,四线激光雷达由于具有数据量适中、测量精度高和受环境影响小等优势而被广泛使用,本文研究了基于四线激光雷达的目标检测与跟踪算法,主要开展了以下工作:第一,介绍四线激光雷达的安装、标定和坐标转换方法;设计基于栅格地图最大最小高度差的滤波方法对四线激光雷达的原始数据进行滤波,实现对数据中噪声和地面点的滤除。第二,根据四线激光雷达测量数据的分布特征,结合各种聚类算法的优缺点,选择 DBSCAN(Density-Based Spatial Clustering of Applications with Noise,噪声环境下基于密度的聚类)算法作为目标检测算法,针对DBSCAN算法输入参数固定的缺陷,运用近邻规模演化算法自适应地确定算法的参数;提出最小凸包法结合遍历法的最小包络矩形提取算法,将每一个目标用一个包络矩形框表示,提取出目标的特征信息。第三,设计基于多特征信息的最近邻数据关联算法,通过构建多特征匹配函数取代最近邻数据关联算法中的欧式距离,完成相邻两帧雷达量测之间的匹配;结合卡尔曼滤波器对激光雷达视野内的动态目标进行跟踪。最后,在Ubuntu 14.04下开发雷达的可视化界面;利用湖南大学LIFAN-IV智能车实验平台进行实验,验证目标检测和目标跟踪算法的有效性。实验结果表明本文提出的目标检测与跟踪算法可以稳定、可靠地提取目标特征信息并跟踪动态目标。
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN958.98
【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
        1.1.1 智能车环境感知技术
        1.1.2 激光雷达在环境感知中的应用
    1.2 国内外智能车研究现状
        1.2.1 国外智能车研究现状
        1.2.2 国内智能车研究现状
    1.3 基于激光雷达的目标检测与跟踪算法研究现状
        1.3.2 目标检测与跟踪算法研究现状
        1.3.3 DBSCAN算法研究现状
    1.4 本文的研究内容
第2章 激光雷达坐标转换与数据滤波
    2.1 四线激光雷达原理及优势
        2.1.1 激光雷达原理
        2.1.2 ibeo四线激光雷达性能及优势
    2.2 四线激光雷达数据的坐标转换
        2.2.1 雷达安装位置的确定
        2.2.2 坐标系的定义
        2.2.3 坐标的转换
    2.3 基于栅格地图最大最小高度差的雷达数据滤波
        2.3.1 常用的滤波算法
        2.3.2 基于栅格地图最大最小高度差的滤波算法
        2.3.3 基于栅格地图最大最小高度差的滤波算法实验验证
    2.4 本章小结
第3章 基于改进DBSCAN算法的目标检测
    3.1 聚类算法的分析
        3.1.1 四线激光雷达数据特点
        3.1.2 聚类算法简介
        3.1.3 DBSCAN算法
    3.2 基于改进DBSCAN算法的目标特征提取
        3.2.1 动态近邻和近邻密度变化率
        3.2.2 调整动态近邻的演化算法
        3.2.3 基于动态近邻的DBSCAN算法
        3.2.4 目标特征信息提取
    3.3 目标检测算法实验验证
    3.4 本章小结
第4章 基于改进最近邻数据关联算法的目标跟踪
    4.1 数据关联算法
        4.1.1 数据关联算法简介
        4.1.2 基于多特征的最近邻数据关联算法
    4.2 动态目标跟踪
        4.2.1 跟踪门的形成
        4.2.2 卡尔曼滤波理论
        4.2.3 动态目标跟踪
        4.2.4 跟踪器管理
    4.3 目标跟踪算法实验验证
    4.4 本章小结
第5章 目标检测与跟踪算法整车实验验证
    5.1 实验平台
        5.1.1 LIFAN-IV智能车
        5.1.2 软件平台
    5.2 四线激光雷达数据接收与显示界面开发
        5.2.1 四线激光雷达的数据接收
        5.2.2 四线激光雷达可视化界面的编写
    5.3 目标检测与跟踪实验
        5.3.1 目标检测实验
        5.3.2 目标跟踪实验
    5.4 本章小结
结论与展望
    1 研究内容总结
    2 未来研究工作展望
参考文献
致谢

【参考文献】

中国期刊全文数据库 前10条

1 翟东海;鱼江;高飞;于磊;丁锋;;最大距离法选取初始簇中心的K-means文本聚类算法的研究[J];计算机应用研究;2014年03期

2 武佳薇;李雄飞;孙涛;李巍;;邻域平衡密度聚类算法[J];计算机研究与发展;2010年06期

3 李光强;邓敏;刘启亮;程涛;;一种适应局部密度变化的空间聚类方法[J];测绘学报;2009年03期

4 蔡自兴;肖正;于金霞;;基于激光雷达的动态障碍物实时检测[J];控制工程;2008年02期

5 谭颖;胡瑞飞;殷国富;;多密度阈值的DBSCAN改进算法[J];计算机应用;2008年03期

6 乔维高;徐学进;;无人驾驶汽车的发展现状及方向[J];上海汽车;2007年07期

7 于春和;刘济林;;越野环境的三维地图重建[J];南京理工大学学报(自然科学版);2007年02期

8 倪巍伟,孙志挥,陆介平;k-LDCHD——高维空间k邻域局部密度聚类算法[J];计算机研究与发展;2005年05期

9 田原嫄,崔高健,黄银花;智能汽车系统[J];机械;2004年12期

10 夏劲;郭红卫;;国内外城市智能交通系统的发展概况与趋势及其启示[J];科技进步与对策;2003年01期

中国博士学位论文全文数据库 前2条

1 王俊;无人驾驶车辆环境感知系统关键技术研究[D];中国科学技术大学;2016年

2 杜歆;用于导航的立体视觉系统[D];浙江大学;2003年

中国硕士学位论文全文数据库 前10条

1 李勇;基于激光雷达的智能车横向避障研究[D];湖南大学;2017年

2 李龙杰;基于四线激光雷达的道路信息提取技术研究[D];北京工业大学;2016年

3 何磊;基于路面在线识别的线控制动系统制动力控制策略研究[D];湖南大学;2016年

4 叶刚;城市环境基于三维激光雷达的自动驾驶车辆多目标检测及跟踪算法研究[D];北京理工大学;2016年

5 王志宇;基于车载三维激光雷达的车辆检测与跟踪[D];国防科学技术大学;2015年

6 李宗林;基于DBSCAN的自适应聚类算法研究[D];长沙理工大学;2015年

7 庄秀华;基于单线激光雷达的障碍物检测与跟踪研究[D];湖南大学;2014年

8 高祺;多传感器多目标跟踪的数据关联算法研究[D];西安电子科技大学;2013年

9 杨象军;基于四线激光雷达的道路检测与跟踪[D];浙江大学;2013年

10 陈春风;复杂环境下多目标跟踪技术的研究[D];哈尔滨工业大学;2009年

本文编号：2841267