基于四线激光雷达的道路信息提取技术研究

发布时间：2017-03-19 10:08

  本文关键词：基于四线激光雷达的道路信息提取技术研究，由笔耕文化传播整理发布。

【摘要】：伴随着经济和交通系统的快速发展,智能车辆作为智能交通体系的重要组成部分,得到了普遍的关注和研究。智能车的关键技术也被视为解决交通问题的关键。四线激光雷达拥有数据量适中、测量精度高、多目标探测和受环境影响小等优势,被广泛应用于智能车辆的环境感知系统。本文利用四线激光雷达对智能车前方区域的道路信息提取技术进行了研究,主要包括以下内容:第一,提出基于激光雷达工作原理和扫描数据的分布特征改进的DBSCAN算法。雷达数据经过滤除多余回波、中值滤波和坐标变换等预处理后,根据扫描到结构化、半结构化道路的数据分布特点,通过对比不同的聚类算法,运用一维核密度估计和4-dist近邻加权欧氏距离,自适应选取DBSCAN算法的参数(Eps、Minpts),排序后依次调用该算法完成了多密度聚类;并采用峰值邻域搜索和分层处理方法来改进算法的搜索范围,进一步提高算法的性能。第二,根据结构化和半结构化的城市道路特点提出道路信息提取方法。在改进的聚类算法基础上,根据雷达数据中物体的不同特征,首先提取路沿点集和路沿的高度信息,用最小二乘法拟合道路边界线;对路沿高度附近且符合路面特征的点进行标记,然后提取剩余数据中障碍物的距离、方位和尺寸等信息。不同场景下的实车实验验证了道路边沿、路面和障碍物信息提取方法的有效性。第三,提出了一种基于障碍物多特征信息改进的ICP(Iterated Closest Points)算法,以完成相邻两帧雷达数据的快速匹配。构建多特征匹配相似度函数,取代常用的欧氏距离度量,来改进ICP算法的匹配策略。改进后的算法大大降低运算的数据量,并减少了运行时间。第四,研究了栅格地图的更新策略和动态目标的跟踪方法。通过建立栅格地图对智能车前方区域进行表示,运用障碍物的多特征匹配结果对准前后帧的栅格地图,采用贝叶斯理论更新栅格地图;根据栅格的占据概率来检测动静态障碍物,使用卡尔曼滤波器和跟踪管理策略实现对道路内的动态目标的稳定跟踪。最后,以北京工业大学BJUT-IV智能车作为实验平台进行大量的实车实验,结果表明提出的方法能够稳定、准确提取前方道路的信息和跟踪动态目标。
【关键词】：智能车辆 激光雷达 道路检测 栅格地图 目标检测与跟踪
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;U463.6;TN958.98
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-24
• 1.1 研究背景及意义10-11
• 1.2 智能车国内外研究现状11-16
• 1.2.1 国外智能车的研究11-14
• 1.2.2 国内智能车的研究14-16
• 1.3 智能车环境感知技术16-20
• 1.3.1 智能车的环境感知技术16-18
• 1.3.2 激光雷达在环境感知中研究分析18-20
• 1.4 本文的研究内容及贡献20-24
• 1.4.1 本文的研究内容20-21
• 1.4.2 本文的主要贡献21-24
• 第2章 激光雷达原理与坐标转换24-34
• 2.1 引言24-25
• 2.2 激光雷达工作原理25-26
• 2.3 四线激光雷达性能及优势分析26-29
• 2.4 数据预处理与坐标系统29-33
• 2.4.1 数据预处理29-31
• 2.4.2 坐标系的建立与坐标转换31-33
• 2.5 本章小结33-34
• 第3章 道路可行驶区域提取算法34-54
• 3.1 引言34
• 3.2 聚类算法分析及改进34-42
• 3.2.1 聚类算法分析35-38
• 3.2.2 激光雷达数据特点分析38-39
• 3.2.3 核密度估计及相似度度量方法39-41
• 3.2.4 改进的DBSCAN聚类算法41-42
• 3.3 道路信息提取算法42-46
• 3.3.1 道路边沿点提取算法42-44
• 3.3.2 道路边沿高度的提取44-45
• 3.3.3 拟合道路边界45-46
• 3.4 道路可通行区域信息提取46-48
• 3.4.1 道路路面检测46-47
• 3.4.2 障碍物与可行驶区域信息提取47-48
• 3.5 实验与结果分析48-52
• 3.5.1 道路边沿、路面检测和提取实验48-50
• 3.5.2 道路可行驶区域信息检测与提取50-52
• 3.6 本章小结52-54
• 第4章 栅格地图的建立和动态目标的跟踪54-74
• 4.1 引言54-55
• 4.2 栅格地图的建立55-58
• 4.2.1 传感器模型55-56
• 4.2.2 建立栅格地图56-58
• 4.3 改进的ICP算法58-64
• 4.3.1 ICP算法及其改进方法分析58-60
• 4.3.2 多特征的相似度计算60-61
• 4.3.3 计算旋转矩阵和平移向量61-63
• 4.3.4 自适应调整特征的权重系数63-64
• 4.4 栅格地图更新与动静态障碍物检测64-67
• 4.4.1 栅格地图的更新64-66
• 4.4.2 动静态障碍物的检测66-67
• 4.5 动态目标跟踪和管理67-70
• 4.5.1 基于卡尔曼滤波的动态目标跟踪67-69
• 4.5.2 跟踪器管理69-70
• 4.6 实验与结果分析70-72
• 4.6.1 构建在线栅格地图70-71
• 4.6.2 改进的ICP算法性能分析71-72
• 4.7 本章小结72-74
• 第5章 实验平台与整车实验74-84
• 5.1 引言74
• 5.2 实验平台介绍74-79
• 5.2.1 硬件平台74-78
• 5.2.2 软件系统78-79
• 5.3 实验与结果分析79-83
• 5.3.1 道路信息提取实验79-80
• 5.3.2 动态目标跟踪实验80-82
• 5.3.3 实验结果分析82-83
• 5.4 本章小结83-84
• 总结与展望84-86
• 参考文献86-90
• 攻读硕士学位期间发表的学术论文90-92
• 致谢92

【相似文献】

中国期刊全文数据库 前9条

1 海涛;丛爽;鲍远律;;彩色城市栅格地图道路网络自动获取方法[J];西安交通大学学报;2011年12期

2 罗荣华,洪炳昒,厉茂海;基于局部特征预测的栅格地图创建[J];哈尔滨工业大学学报;2004年07期

3 陈晓娥;苏理;;一种基于环境栅格地图的多机器人路径规划方法[J];机械科学与技术;2009年10期

4 周东健;张兴国;马海波;李成浩;郭旭;;基于栅格地图-蚁群算法的机器人最优路径规划[J];南通大学学报(自然科学版);2013年04期

5 周东健;张兴国;马海波;李成浩;郭旭;;基于栅格地图-蚁群算法的机器人最优路径规划[J];制造业自动化;2014年05期

6 王炜;陈卫东;王勇;;基于概率栅格地图的移动机器人可定位性估计[J];机器人;2012年04期

7 王川;吴怀宇;温安邦;程磊;王芬;;基于栅格地图的移动机器人路径跟踪控制器设计与实现[J];组合机床与自动化加工技术;2009年12期

8 曹红玉;孙汉旭;贾庆轩;叶平;高欣;;基于改进的D-S证据理论的栅格地图构建[J];吉林大学学报(工学版);2011年04期

9 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 石凯;田宇;俞建成;刘健;;基于栅格地图的多化学羽流源定位[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

中国博士学位论文全文数据库 前2条

1 海涛;彩色交通栅格地图中城市道路与公路的自动获取[D];中国科学技术大学;2013年

2 周俊静;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];北京工业大学;2014年

中国硕士学位论文全文数据库 前9条

1 杨静;模拟尺度的选择及栅格地图相似性评价方法的应用[D];昆明理工大学;2015年

2 杜波;基于MapReduce的栅格地图切片系统[D];西安电子科技大学;2014年

3 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

4 陈铭灏;彩色栅格地图前景要素提取方法研究[D];重庆大学;2006年

5 李润伟;基于声纳的室内环境栅格地图创建方法的研究[D];中南大学;2008年

6 王野;基于标准组件集的栅格地图组件研究与实现[D];内蒙古工业大学;2009年

7 庄惠敏;基于全景视觉序列图像的二维栅格地图创建研究[D];上海交通大学;2008年

8 柴剑;智能扫地机器人技术的研究与实现[D];西安电子科技大学;2014年

9 束磊;基于栅格地图的月球车任务层路径规划及平滑处理[D];哈尔滨工业大学;2013年

  本文关键词：基于四线激光雷达的道路信息提取技术研究，由笔耕文化传播整理发布。

，

本文编号：255903