基于激光雷达的车前地形复现关键技术研究

发布时间：2020-05-01 14:26

【摘要】：车辆在行进过程中,地面的激励形式和起伏状态对其行驶平顺性有着非常大的影响。悬架作为车辆底盘的重要组成部分,能在一定程度上缓和不平路面对于车身的冲击,如何通过传感器感知车辆前方的地形及障碍物信息进而控制主动悬架系统,从而提高车辆的行驶平顺性正逐渐受到越来越多科研人员的关注。本文结合国家重点研发计划课题“高机动应急救援车辆(含消防车辆)专用底盘及悬架关键技术研究”(项目编号:2016YFC0802902),围绕车前地形扫描感知系统完成了车前地形的数据采集和进一步的数据处理工作,最后生成了车辆前方的地形高程图。论文主要完成的工作如下:首先,设计并搭建了基于多激光雷达的数据采集系统。介绍了车前地形扫描感知系统的硬件组成(激光雷达、INS以及GPS)及其工作原理,分析了系统平台的各项误差;着重介绍了多激光雷达的安装位置和安装方式;论证了多激光雷达安装的必要性并对多激光雷达进行了联合标定。其次,对激光雷达常用的点云数据处理方法进行总结与概括。着重介绍点云滤波和配准技术对于车前地形复现的重要性和必要性;详述激光雷达点云滤波和配准的相关算法及精度评定方法;通过分析对比各种滤波算法和配准算法的适用性及优缺点,筛选适合本项目的滤波和配准算法。再次,用改进的线性预测滤波算法提高滤波效果。考虑到传统的线性预测滤波算法对不同的地形适应性较好,对比其他算法优势明显,但也存在噪声点对后期地形趋势面拟合影响大的缺点。我们对该滤波算法进行改进,通过噪声点剔除和数据格网化分块处理提高精度,通过迭代终止条件判断提高效率;并通过对比试验验证改进的线性预测滤波算法的优越性。最后,采用优化的ICP配准算法完成了车辆前方障碍物及地形的精确配准,通过对车前地形点云数据的曲面拟合完成了车前地形高程的曲面重建。由于ICP算法在配准过程中极易造成局部最优导致配准失败,当今对于点云配准的效率和精度要求越来越高,传统的ICP算法很难达到要求。本文引入主成分分析法提高配准精度,利用kd-tree结构与方向向量阈值实现三维点云精确配准。最后通过试验验证该优化算法的有效性,并最终通过调用PCL库中的曲面拟合算法生成了车前地形的三维高程图。
【图文】：

对比图,滤波效果,点云,滤波算法

第 1 章绪论算法会导致目标特征产生弯曲；Vosselman[18]教授提基于坡度变化的滤波算法；Clarenz[19]基于各向异性的点云数据滤波算法；Axelsson[20]教授的基于不规则三角网（TIN）的滤波算法；Kraus[21]的迭代最近点线性预测滤波算法等。随着激光雷达的普及以及滤波技术在国内的推广，，国内相关学者提出了新的滤波算法，并对国外的滤波算法进行了有效的升级和改进并取得了较好的滤波效果。相对突出的学者有：张小红的基于移动曲面拟合滤波算法[22]；孙正林改进了 Mean-Shift 滤波算法等[23]。

配准,点云,车前

1.3.2 点云配准算法车载激光雷达在车前地形扫描的过程中，由于车辆自身的移动、转向和凹路面的影响，激光雷达在扫描车前地形以及车前障碍物时，会出现不同视角采的情况，由于我们受使用的硬件水平限制，常规的数据采集很难保证得到密集点云数据，稀疏点云不利于后期精准的三维地形及车前障碍物重建。所以我们要配准来整合不同视角下的点云数据，并将其统一到相同的坐标系下，进而得车前地形及障碍物完整且密集的点云数据，为下一步的曲面重建打好基础。我只有得到准确且密集的点云数据，才能提高地形重建的精度，才能保证车辆主预瞄悬架系统所接收到的是真实的车前地形高程信息，主动悬架控制器才能根地形高程去调节作动缸伸缩，进而保证车辆的行驶平顺性。图 1.5 表示配准前效果对比图。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN958.98;U463.67

【相似文献】