基于激光雷达的智能车防撞预警系统研究

发布时间：2017-03-20 12:07

  本文关键词：基于激光雷达的智能车防撞预警系统研究，由笔耕文化传播整理发布。

【摘要】：汽车主动安全技术是全世界几乎所有汽车制造商和研究机构研究的热点,更加安全、更加智能是未来汽车工业的发展方向。本文描述的基于激光雷达的智能车防撞预警系统是主动安全技术的一个重要的研究分支。本文的主要工作内容如下:(1)激光点云数据采集硬件平台的设计:设计并制作了一套激光点云数据采集硬件平台,该平台基于一块飞思卡尔MC9S08DZ60处理器,可以实现针对SICK LMS151激光雷达的数据采集、解算、分析、报警和远程数据上传工作。(2)经过优化的DBSCAN聚类算法的提出:提出了一种优化的DBSCAN聚类算法。传统DBSCAN算法在面对空间密度分布不均匀的数据类型时会面临聚类参数选择困难的障碍,激光雷达数据属于典型的空间区域密度分布不均匀的数据类型,距离激光雷达本体越远的障碍物返回的数据点密度越低,本文针对这一特性,将距离参数融入到传统DBSCAN算法的?参数中,使之能够适应激光雷达数据空间密度分布不均匀的特点,对任意距离上的激光雷达数据都能够以合理的参数进行聚类。(3)针对硬件平台和聚类算法的实验:本文进行了大量实验来验证激光点云数据采集硬件平台的功能完整性和有效性,同时对比了经过优化的DBSCAN算法和传统的DBSCAN算法在多种情况下不同障碍物分布时的聚类效果,验证了本文提出算法的有效性和优越性。
【关键词】：激光雷达 主动安全 预警系统 点云数据采集 DBSCAN算法 点云数据聚类
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.6;TN958.98
【目录】：

• 摘要4-5
• abstract5-10
• 第1章 绪论10-19
• 1.1 课题研究的背景及意义10-11
• 1.2 国内外研究现状11-16
• 1.2.1 国外研究现状12-14
• 1.2.2 国内研究现状14-16
• 1.3 本文主要研究内容及章节安排16-18
• 1.3.1 本文主要研究内容16-17
• 1.3.2 本文章节安排17-18
• 1.4 本章小结18-19
• 第2章 激光雷达数据的预处理19-28
• 2.1 激光雷达工作原理19-20
• 2.2 基于激光雷达的环境感知20-23
• 2.3 激光雷达数据的预处理23-27
• 2.3.1 坐标系转换23-24
• 2.3.2 选取感兴趣区域24-25
• 2.3.3 零点现象的修正25-26
• 2.3.4 最大误差估计26-27
• 2.4 本章小结27-28
• 第3章 激光雷达数据采集硬件平台设计28-35
• 3.1 LMS151激光雷达简介28-29
• 3.2 激光点云数据采集硬件平台29-33
• 3.3 激光点云数据解算算法33-34
• 3.4 本章小结34-35
• 第4章 激光雷达数据的聚类35-46
• 4.1 聚类算法概述35-38
• 4.1.1 划分聚类法35-37
• 4.1.2 层次法37
• 4.1.3 基于网格的聚类法37-38
• 4.1.4 基于密度的聚类法38
• 4.2 激光雷达数据特点分析38-40
• 4.3 传统的DBSCAN算法40-41
• 4.4 针对激光雷达数据优化的DBSCAN算法41-45
• 4.5 本章小结45-46
• 第5章 实验数据与结果分析46-64
• 5.1 激光雷达的安装与调试46-47
• 5.2 激光雷达ROI区域相关参数配置47-51
• 5.3 激光点云数据采集与解算功能实验51-56
• 5.3.1 通讯初始化设置51-52
• 5.3.2 下位机激光点云数据解算52-53
• 5.3.3 Li DAR MK-I功能性测试53-56
• 5.4 激光点云数据聚类算法实验56-63
• 5.5 本章小结63-64
• 第6章 总结与展望64-66
• 6.1 全文总结64-65
• 6.2 存在的不足和展望65-66
• 参考文献66-71
• 作者简介及科研成果71-72
• 致谢72-73

【相似文献】

中国期刊全文数据库 前10条

1 潘玲玲;张育平;徐涛;;核DBSCAN算法在民航客户细分中的应用[J];计算机工程;2012年10期

2 周红芳;王鹏;;DBSCAN算法中参数自适应确定方法的研究[J];西安理工大学学报;2012年03期

3 徐新华;谢永红;;增量聚类综述及增量DBSCAN聚类算法研究[J];华北航天工业学院学报;2006年02期

4 郭保青;朱力强;史红梅;;基于快速DBSCAN聚类的铁路异物侵限检测算法[J];仪器仪表学报;2012年02期

5 刘淑芬;孟冬雪;王晓燕;;基于网格单元的DBSCAN算法[J];吉林大学学报(工学版);2014年04期

6 张宏兵;陆建峰;汤九斌;;一种基于近似EMD的DBSCAN改进算法[J];山东大学学报(工学版);2012年04期

7 苟和平;景永霞;冯百明;李勇;;基于DBSCAN聚类的改进KNN文本分类算法[J];科学技术与工程;2013年01期

8 刘军;艾力·斯木吐拉;马晓松;;一种改进的DBSCAN聚类算法的研究与应用[J];交通与计算机;2008年03期

9 李新延,李德仁;DBSCAN空间聚类算法及其在城市规划中的应用[J];测绘科学;2005年03期

10 孙焕良;毕占举;刘俊岭;周祥国;许景科;;一种发现多层次密度的聚类算法[J];沈阳建筑大学学报(自然科学版);2006年02期

中国重要会议论文全文数据库 前8条

1 马帅;宋国杰;唐世渭;杨冬青;王腾蛟;;基于单元划分的DBSCAN聚类算法[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年

2 朵春红;王翠茹;;基于取样的DBSCAN聚类算法及其遗传优化[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

3 庞洋;李海林;郭义喜;;基于DBSCAN算法的日志信息聚类研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

4 宫蕊;舒红平;郭远远;;基于DBSCAN的密度聚类算法的研究[A];2008'中国信息技术与应用学术论坛论文集（二）[C];2008年

5 张健沛;许慧;杨静;崔洪晶;;基于数据分区、QR~*-树的并行DBSCAN算法[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年

6 Yi-Chun Xu;Man Zhu;Zunhai Ke;Yong Liu;Suifa Sun;;Isolating Ships from Shape Curve with DBSCAN[A];第25届中国控制与决策会议论文集[C];2013年

7 范晔;周水庚;曹晶;周傲英;;通过数据取样扩展基于密度的聚类算法[A];第十六届全国数据库学术会议论文集[C];1999年

8 曹晶;周水庚;范晔;周傲英;;数据分区:一种改善基于密度的聚类算法的方法[A];第十六届全国数据库学术会议论文集[C];1999年

中国硕士学位论文全文数据库 前10条

1 陆颖华;基于局部敏感哈希的DBSCAN算法研究[D];南京信息工程大学;2015年

2 汪洋;采用DBSCAN聚类的自适应步长细菌觅食算法[D];南京师范大学;2015年

3 谢江;针对非均匀密度环境的DBSCAN自适应聚类算法的研究[D];重庆大学;2015年

4 崔熠明;基于激光雷达的智能车防撞预警系统研究[D];吉林大学;2016年

5 罗启福;基于云计算的DBSCAN算法研究[D];武汉理工大学;2013年

6 吴林敏;针对非均匀数据集的DBSCAN过滤式改进算法[D];重庆大学;2009年

7 虞倩倩;基于数据划分的DBSCAN算法研究[D];江南大学;2013年

8 黄毅磊;DBSCAN算法及在城市网格化管理中的应用[D];上海交通大学;2010年

9 孙思;利用遗传思想进行数据划分的DBSCAN算法研究[D];重庆大学;2005年

10 许慧;基于数据分区和QR*树的并行DBSCAN算法研究[D];哈尔滨工程大学;2007年

  本文关键词：基于激光雷达的智能车防撞预警系统研究，，由笔耕文化传播整理发布。

本文编号：257738