基于激光雷达的环境识别及局部路径规划技术研究

发布时间：2023-06-28 01:23

　　由全球交通事故带来的道路交通安全问题长时间得不到解决,自动驾驶技术作为解决交通安全问题的主要方案受到广泛的关注。局部路径规划是自动驾驶技术中不可或缺的关键环节之一。无人车的局部路径规划技术既要考虑到道路交通中的避撞问题,又要考虑车辆行驶的舒适性、行驶效率等问题。而道路环境中的障碍物检测是局部路径规划避撞的前提,因而有必要将道路环境中障碍物的检测纳入局部路径规划技术的研究中。本文将研究的内容分为两部分,分别是激光雷达的障碍物检测方法研究与局部路径规划技术的研究。具体内容如下:在环境感知部分,本文采用三维激光雷达对环境信息进行采集,获取了大范围的点云数据。对数据的处理,主要分为障碍物的检测和运动信息提取两部分。首先为了去除点云数据中的背景点云,采用了RANSAC和GPF算法对路面进行分割,通过实验证明了本文提出的GPF算法在处理地面数据点时具有更加稳定、准确的效果。去除地面数据后,本文采用多聚类阈值的欧式聚类算法完成障碍物的检测。接着为了提取障碍物的运动信息,先根据障碍物的聚类结果建立障碍物的方盒模型并提取障碍物的几何形状、位置、强度等特征。结合这些特征,提出使用多特征的最近邻关联算法对前...

【文章页数】：90 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 基于激光雷达的环境感知技术研究现状
        1.2.2 无人车局部路径规划技术研究现状
    1.3 论文拟解决的问题及研究内容
        1.3.1 论文拟解决的问题
        1.3.2 研究内容
2 基于激光雷达的障碍物检测方法研究
    2.1 激光雷达介绍
    2.2 激光点云地面分割
        2.2.1 三维激光点云分割方法分析
        2.2.2 基于最低代表点地面分割方法
        2.2.3 RANSAC地面分割方法
        2.2.4 实验结果与分析
    2.3 障碍物聚类检测
        2.3.1 聚类算法概述
        2.3.2 欧式聚类检测
        2.3.3 实验结果与分析
    2.4 本章小节
3 障碍物运动信息提取
    3.1 障碍物几何参数建模
        3.1.1 AABB方盒模型
        3.1.2 OBB方盒模型
    3.2 障碍物数据关联
        3.2.1 关联算法概述
        3.2.2 多特征近邻关联算法
        3.2.3 基于随机数的数据关联参数选择
    3.3 运动状态更新
    3.4 运动信息提取实验结果分析
    3.5 本章小节
4 轨迹规划方法研究
    4.1 轨迹规划方法简介
    4.2 Frenet坐标系转换
    4.3 Frenet轨迹规划方法研究
        4.3.1 高阶多项式的轨迹函数
        4.3.2 横向最优轨迹生成
        4.3.3 纵向最优轨迹生成
        4.3.4 全局轨迹合成
    4.4 碰撞检测方法研究
        4.4.1 障碍物轨迹预测
        4.4.2 方盒模型碰撞检测
    4.5 运动限制检测
        4.5.1 车辆转向模型
        4.5.2 转向机构约束
        4.5.3 动力学稳定性约束
        4.5.4 制动约束
    4.6 本章小结
5 轨迹规划方法仿真分析
    5.1 仿真环境的搭建
        5.1.1 车辆模型参数
        5.1.2 地图信息
    5.2 仿真结果分析
        5.2.1 定速巡航场景
        5.2.2 自适应巡航
        5.2.3 停车
        5.2.4 变道汇流
    5.3 本章小结
6 总结与展望
    6.1 全文总结
    6.2 未来研究工作展望
致谢
参考文献
个人简历、在学期间发表的学术论文及取得的研究成果



本文编号：3835702