基于激光雷达多帧数据融合的障碍物检测算法研究
发布时间：2022-02-09 09:08
随着人工智能等技术的兴起,无人驾驶成为未来汽车发展的一个重要方向。但是,由于制造成本和使用安全性等方面的限制,无人驾驶车辆的应用与普及仍有很长的一段路要走。激光雷达作为无人驾驶车辆的主要传感器,其高昂的价格是导致无人驾驶车辆制造成本高的因素之一。决定行驶车辆安全的主要技术之一是可靠、有效的道路障碍物检测技术,这一技术仍没有达到实用的程度。目前,无人驾驶领域的相关研究大多使用高线数的激光雷达实现障碍物检测算法,这样虽然能够有效提升检测性能,但同时也导致了成本的增加。因此,研究在低成本的激光雷达上实现较高准确率的障碍物检测已成为目前无人驾驶领域的一个重要研究方向。本文设计了一种基于激光雷达多帧数据融合的无人驾驶车辆障碍物检测算法。该算法使用较低成本的16线激光雷达,在激光雷达数据增强、障碍物检测、数据集制作等多个方面进行研究,有效提高了障碍物检测的效果。本文的主要工作内容如下:（1）针对16线激光雷达点云数据稀疏导致障碍物检测算法准确率低的问题,本文提出了一种基于惯性测量单元和动态目标检测的多帧点云数据融合算法。该算法依据激光雷达在实际过程中连续扫描的特点,以及无人驾驶车辆上普遍装配的惯性...
【文章来源】：华中师范大学湖北省211工程院校教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图２．１三维激光雷达点云图??
？碩士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??，??Ｉ，遽??图２．２?Ｖｅｌｏｄｙｎｅ激光雷达（１６线）??激光雷达作为一种主动型传感器，按照有无机械旋转部件可分为机械激光雷达??和固态激光雷达。机械激光雷达是通过机械部件的旋转实现光束扫描，其特点是扫??描范围广，但是设计复杂，扫描频率较低；而固态激光雷达则是利用微机电系统??（ｍｉｃｒｏ－ｅｌｅｃｔｒｏ－ｍｅｃｈａｎｉｃａｌ?ｓｙｓｔｅｍ，ＭＥＭＳ）、面阵闪光（Ｆｌａｓｈ）和光学相控阵（ｏｐｔｉｃａｌ??ｐｈａｓｅｄａｒｒａｙ，?ＯＰＡ）等技术实现范围扫描按照激光线束的数量可以分为单线激??光雷达和多线激光雷达ｔ４５］。单线激光雷达由于只能同时发射和接收一束激光，所以??只能在一个面上扫描，其价格较低、结构简单、使用方便，多用于二维建图和避障；??多线激光雷达则是指同时发射及接收多束激光的激光旋转测距雷达，目前市面上主??要有１６线、３２线、６４线（如图２．２所示）等几种规格。线数越多成本越高，扫描??到的环境信息也相对更加丰富，目前无人驾驶领域多使用此类激光雷达。表２．１为??本文使用的Ｖｅｌｏｄｙｎｅ?１６线激光雷达主要性能参数。??表２．１?Ｖｅｌｏｄｙｎｅ?１６线激光雷达参数表??参数?数值??重量?０．８４０ｋｇ??尺寸?直径１０９ｍｍ＊高度８２．７ｍｍ??通讯接口?ＥＩＡ／ＴＩＡ５６８标准网络接口??通道?］６ＴＯＦ法测距〗６通道??角度范围?水平０－３６０°，垂直±１５°??测距范围?２０ｃｍ￣１５０ｍ??角度分辨率?垂直方向２°，水平方向??测距分辨率?０．０９。（５Ｈｚ）?－０．３６。（２０Ｈｚ）??转速?３
士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??２．１．２惯性测量单元介绍??惯性测量单元（丨ｎｃｒｔｉａ丨ｍｅａｓｕｒｅｍｅｎｔｕｎｉｔ，ＩＭＵ）是测量物体三轴姿态州（或速??率）以及加速度的装置。通常一个ＩＭＵ包含三个单轴的加速度计和三个单轴的陀螺，??一些９轴ＩＭＵ还包括三轴磁力计，加速度计检测物体在载体坐标系独立三轴的加??速度信号，而陀螺检测载体相对于导航坐标系的角速度信号，即ＩＭＵ可测量物体在??三维空间中的角速度和加速度，并以此解算出物体的姿态［４６］。??吸??图２．３?ＸＷ－Ｇ６６１５导航系统实物图??本文的位姿测量传感器采用了星网宇达公司的ＸＷ－Ｇ６６１５导航系统（实物图如??图２．３所示），它是一款利用多传感器结合技术，将卫星定位与惯性测量进行了结合??的组合导航产品，具有全天候、高精度、高效率、应用广泛等优点。另外，由于卫??星容易受树木、建筑物等的影响，使得卫星失锁，精度降低，该产品可以利用配置??的ＭＥＭＳ陀螺和加速度计，借助新一代的精准标定技术及多传感器融合技术提高??系统的精确性。ＸＷ－Ｇ６６１５导航系统主要技术参数如表２．２所示。??表２．２ＸＷ－Ｇ６６１５导航系统主要技术参数表??参数?数值??０．１。（丨ＧＮＳＳ／ＢＤ信号良好，基线长度之２ｎｉ）??航向?、＿?ｉ??０．１°?（单天线，速度＞１０ｍ／ｓ，信号良好）??姿态?０．１°?（ｌｏ，?ＧＮＳＳ／ＢＤ信号良好）??５ｍ?（ｌａ）（单点定位）；??位置??２ｃｍ＋ｌｐｐｍ?（ＣＥＰ）?（ＲＴＫ）??数据频率?ｌＨｚ／５Ｈｚ／１０Ｈｚ／１００Ｈｚ?（可调）??接?口方式?ＲＳ－２３２／ＲＳ－４２２??
【参考文献】：
期刊论文
[1]数读天下[J]. 时事报告. 2020(02)
[2]基于KDTree树和欧式聚类的越野环境下行人识别的研究[J]. 范晶晶,王力,褚文博,罗禹贡. 汽车工程. 2019(12)
[3]无人驾驶系统的设计与实现[J]. 张茜. 电子技术与软件工程. 2019(18)
[4]固态激光雷达研究进展[J]. 陈敬业,时尧成. 光电工程. 2019(07)
[5]基于深度学习的自动驾驶小车系统设计[J]. 杨梓谦,李思琦,段志刚. 电子测试. 2019(14)
[6]无人驾驶汽车的发展现状及展望[J]. 姜允侃. 微型电脑应用. 2019(05)
[7]无人驾驶汽车及其发展[J]. 宋飞扬. 中国高新科技. 2019(05)
[8]无人驾驶汽车发展面临的挑战与建议浅谈[J]. 李持生. 山东工业技术. 2019(04)
[9]探究无人驾驶汽车的发展趋势[J]. 苏昶玮. 通讯世界. 2019(02)
[10]三维激光雷达在无人车环境感知中的应用研究[J]. 张银,任国全,程子阳,孔国杰. 激光与光电子学进展. 2019(13)
博士论文
[1]无人驾驶汽车动态障碍物避撞关键技术研究[D]. 黄如林.中国科学技术大学 2017
[2]基于三维激光雷达的无人驾驶车辆环境建模关键技术研究[D]. 刘健.中国科学技术大学 2016
硕士论文
[1]基于时空融合的激光雷达障碍物检测与运动目标跟踪[D]. 张佳鹏.浙江大学 2019
[2]厂区电动巡逻车无人驾驶测控系统研究[D]. 杜亮.安徽理工大学 2019
[3]基于ICP算法的点云配准研究[D]. 朱琛琛.郑州大学 2019
本文编号：3616744
【文章来源】：华中师范大学湖北省211工程院校教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图２．１三维激光雷达点云图??
？碩士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??，??Ｉ，遽??图２．２?Ｖｅｌｏｄｙｎｅ激光雷达（１６线）??激光雷达作为一种主动型传感器，按照有无机械旋转部件可分为机械激光雷达??和固态激光雷达。机械激光雷达是通过机械部件的旋转实现光束扫描，其特点是扫??描范围广，但是设计复杂，扫描频率较低；而固态激光雷达则是利用微机电系统??（ｍｉｃｒｏ－ｅｌｅｃｔｒｏ－ｍｅｃｈａｎｉｃａｌ?ｓｙｓｔｅｍ，ＭＥＭＳ）、面阵闪光（Ｆｌａｓｈ）和光学相控阵（ｏｐｔｉｃａｌ??ｐｈａｓｅｄａｒｒａｙ，?ＯＰＡ）等技术实现范围扫描按照激光线束的数量可以分为单线激??光雷达和多线激光雷达ｔ４５］。单线激光雷达由于只能同时发射和接收一束激光，所以??只能在一个面上扫描，其价格较低、结构简单、使用方便，多用于二维建图和避障；??多线激光雷达则是指同时发射及接收多束激光的激光旋转测距雷达，目前市面上主??要有１６线、３２线、６４线（如图２．２所示）等几种规格。线数越多成本越高，扫描??到的环境信息也相对更加丰富，目前无人驾驶领域多使用此类激光雷达。表２．１为??本文使用的Ｖｅｌｏｄｙｎｅ?１６线激光雷达主要性能参数。??表２．１?Ｖｅｌｏｄｙｎｅ?１６线激光雷达参数表??参数?数值??重量?０．８４０ｋｇ??尺寸?直径１０９ｍｍ＊高度８２．７ｍｍ??通讯接口?ＥＩＡ／ＴＩＡ５６８标准网络接口??通道?］６ＴＯＦ法测距〗６通道??角度范围?水平０－３６０°，垂直±１５°??测距范围?２０ｃｍ￣１５０ｍ??角度分辨率?垂直方向２°，水平方向??测距分辨率?０．０９。（５Ｈｚ）?－０．３６。（２０Ｈｚ）??转速?３
士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??２．１．２惯性测量单元介绍??惯性测量单元（丨ｎｃｒｔｉａ丨ｍｅａｓｕｒｅｍｅｎｔｕｎｉｔ，ＩＭＵ）是测量物体三轴姿态州（或速??率）以及加速度的装置。通常一个ＩＭＵ包含三个单轴的加速度计和三个单轴的陀螺，??一些９轴ＩＭＵ还包括三轴磁力计，加速度计检测物体在载体坐标系独立三轴的加??速度信号，而陀螺检测载体相对于导航坐标系的角速度信号，即ＩＭＵ可测量物体在??三维空间中的角速度和加速度，并以此解算出物体的姿态［４６］。??吸??图２．３?ＸＷ－Ｇ６６１５导航系统实物图??本文的位姿测量传感器采用了星网宇达公司的ＸＷ－Ｇ６６１５导航系统（实物图如??图２．３所示），它是一款利用多传感器结合技术，将卫星定位与惯性测量进行了结合??的组合导航产品，具有全天候、高精度、高效率、应用广泛等优点。另外，由于卫??星容易受树木、建筑物等的影响，使得卫星失锁，精度降低，该产品可以利用配置??的ＭＥＭＳ陀螺和加速度计，借助新一代的精准标定技术及多传感器融合技术提高??系统的精确性。ＸＷ－Ｇ６６１５导航系统主要技术参数如表２．２所示。??表２．２ＸＷ－Ｇ６６１５导航系统主要技术参数表??参数?数值??０．１。（丨ＧＮＳＳ／ＢＤ信号良好，基线长度之２ｎｉ）??航向?、＿?ｉ??０．１°?（单天线，速度＞１０ｍ／ｓ，信号良好）??姿态?０．１°?（ｌｏ，?ＧＮＳＳ／ＢＤ信号良好）??５ｍ?（ｌａ）（单点定位）；??位置??２ｃｍ＋ｌｐｐｍ?（ＣＥＰ）?（ＲＴＫ）??数据频率?ｌＨｚ／５Ｈｚ／１０Ｈｚ／１００Ｈｚ?（可调）??接?口方式?ＲＳ－２３２／ＲＳ－４２２??
【参考文献】：
期刊论文
[1]数读天下[J]. 时事报告. 2020(02)
[2]基于KDTree树和欧式聚类的越野环境下行人识别的研究[J]. 范晶晶,王力,褚文博,罗禹贡. 汽车工程. 2019(12)
[3]无人驾驶系统的设计与实现[J]. 张茜. 电子技术与软件工程. 2019(18)
[4]固态激光雷达研究进展[J]. 陈敬业,时尧成. 光电工程. 2019(07)
[5]基于深度学习的自动驾驶小车系统设计[J]. 杨梓谦,李思琦,段志刚. 电子测试. 2019(14)
[6]无人驾驶汽车的发展现状及展望[J]. 姜允侃. 微型电脑应用. 2019(05)
[7]无人驾驶汽车及其发展[J]. 宋飞扬. 中国高新科技. 2019(05)
[8]无人驾驶汽车发展面临的挑战与建议浅谈[J]. 李持生. 山东工业技术. 2019(04)
[9]探究无人驾驶汽车的发展趋势[J]. 苏昶玮. 通讯世界. 2019(02)
[10]三维激光雷达在无人车环境感知中的应用研究[J]. 张银,任国全,程子阳,孔国杰. 激光与光电子学进展. 2019(13)
博士论文
[1]无人驾驶汽车动态障碍物避撞关键技术研究[D]. 黄如林.中国科学技术大学 2017
[2]基于三维激光雷达的无人驾驶车辆环境建模关键技术研究[D]. 刘健.中国科学技术大学 2016
硕士论文
[1]基于时空融合的激光雷达障碍物检测与运动目标跟踪[D]. 张佳鹏.浙江大学 2019
[2]厂区电动巡逻车无人驾驶测控系统研究[D]. 杜亮.安徽理工大学 2019
[3]基于ICP算法的点云配准研究[D]. 朱琛琛.郑州大学 2019
本文编号：3616744
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3616744.html
