无人驾驶环境感知系统及障碍物检测研究
发布时间：2021-08-27 16:21
近年来,随着私人汽车拥有量的不断增长,汽车尾气的排放量也在逐年增加,造成了严重的环境污染问题。此外,世界各地交通事故频繁发生,无数家庭因此家破人亡。无人驾驶技术可以提升燃料利用率以及保障行车安全,从而缓解道路交通安全和环境污染问题。环境感知系统是无人驾驶系统的基础,也是无人车安全性和智能性的根本保障。障碍物检测技术是环境感知系统的核心,也是无人车能够实现自动驾驶的基本条件。本论文研究了无人驾驶环境感知系统的系统设计、传感器调试、障碍物检测等关键技术,完成的主要工作如下:1.完成了无人驾驶环境感知系统总体方案设计,包括传感器配置、通信架构构建以及数据处理、故障诊断等工作方式。该系统以工程机为核心处理单元,配置有2个毫米波雷达、2个工业相机、1个四线激光雷达、1个64线激光雷达、1对RSDS毫米波雷达以及1个GPS惯性导航系统。2.研究了传感器标定方法,完成了主要传感器的接口调试及性能测试。用C++语言编程实现了毫米波雷达和四线激光雷达的接口调试和性能测试,能够直接读取传感器底层数据并根据其数据格式提取所需信息,提高了数据应用效果;测试了两种传感器输出结果的准确性。3.提出了基于DBSCA...
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
DAPAR第二届无人车大赛
谷歌无人车
第1章绪论32011年，牛津大学推出越野型无人车WildCat[13]，如图1-3(a)所示。该无人车通过激光雷达和相机获取道路信息，可以在崎岖山路行驶，还能够实现绕道行驶，并且不依赖GPS。2013年，牛津大学推出第二款无人车RobotCar，如图1-3(b)所示。该无人车采用ipad处理数据，并依据3D导航地图短途行驶。(a)WildCat无人车(b)RobotCar无人车图1-3牛津大学无人车上世纪80年代，德国研制出VaMP无人车[13]。VaMP利用相机获取道路环境信息，感知范围达100米左右。VaMP在模拟交通场景可以实现130km/h的行驶速度。2006年，德国国防军大学研制出MuCAR-3无人车，该无人车可在结构化和非结构化道路环境中行驶[14]。2011年9月，德国柏林大学的MIG无人车连续行驶近20公里，中途经过46个交通灯路口，成功绕行两个环岛，如图1-5所示。图1-5柏林大学MIG无人车与此同时，德国汽车企业也着手研究无人驾驶技术[15]。2014年，宝马展示了其研发的自动泊车技术及防碰撞技术等，其控制精度达到厘米级。20世纪90年代，日本NEDO公司开始研究无人驾驶货车[13]，并成功使货
【参考文献】：
期刊论文
[1]自动驾驶环境感知系统研究[J]. 郝俊. 时代汽车. 2018(09)
[2]我国无人驾驶技术发展现状研究[J]. 贾瑞杰. 电子世界. 2018(15)
[3]基于双目视觉图像的倒车障碍物检测预处理方法[J]. 刘昱岗,王卓君,刘艳芳,张祖涛,徐宏. 重庆交通大学学报(自然科学版). 2018(03)
[4]基于3D激光雷达点云的道路边界识别算法[J]. 孔栋,孙亮,王建强,王晓原. 广西大学学报(自然科学版). 2017(03)
[5]无人驾驶汽车环境感知技术综述[J]. 马佃波. 汽车与驾驶维修(维修版). 2017(05)
[6]无人驾驶汽车环境感知技术综述[J]. 王世峰,戴祥,徐宁,张鹏飞. 长春理工大学学报(自然科学版). 2017(01)
[7]无人驾驶汽车避障方法探析[J]. 朱麒融. 科技资讯. 2016(21)
[8]基于激光雷达的无人驾驶汽车动态障碍物检测、跟踪与识别方法[J]. 黄如林,梁华为,陈佳佳,赵盼,杜明博. 机器人. 2016(04)
[9]聚类算法综述[J]. 伍育红. 计算机科学. 2015(S1)
[10]一种基于激光与视频信息时空数据融合的行人检测方法[J]. 张荣辉,李福樑,周喜,蒋同海,游峰,徐建闽,杨三强. 交通运输系统工程与信息. 2015(03)
博士论文
[1]智能车行车环境视觉感知关键技术研究[D]. 梁敏健.长安大学 2017
[2]无人驾驶车辆环境感知系统关键技术研究[D]. 王俊.中国科学技术大学 2016
[3]无人驾驶车辆运动障碍物检测、预测和避撞方法研究[D]. 辛煜.中国科学技术大学 2014
[4]城市环境下无人驾驶智能车感知系统若干关键技术研究[D]. 陈龙.武汉大学 2013
[5]自主式车辆环境感知技术研究[D]. 石磊.南京理工大学 2010
[6]用于越野自主导航车的激光雷达与视觉融合方法研究[D]. 刘大学.国防科学技术大学 2009
[7]多传感器数据融合问题的研究[D]. 王欣.吉林大学 2006
[8]自主驾驶汽车智能控制系统[D]. 孙振平.国防科学技术大学 2004
[9]基于激光雷达的移动机器人障碍检测和自定位[D]. 项志宇.浙江大学 2002
硕士论文
[1]基于四线激光雷达的道路信息提取技术研究[D]. 李龙杰.北京工业大学 2016
[2]基于激光雷达的智能车防撞预警系统研究[D]. 崔熠明.吉林大学 2016
[3]车载视觉系统中障碍物检测与识别方法研究[D]. 曾丽娜.南京航空航天大学 2016
[4]基于单线激光雷达的障碍物检测与跟踪研究[D]. 庄秀华.湖南大学 2014
[5]基于雷达与相机的无人驾驶智能车障碍物检测技术研究[D]. 张双喜.长安大学 2013
[6]无人车前方障碍物的检测方法研究[D]. 王葵.安徽大学 2012
[7]基于激光雷达的道路与障碍检测研究[D]. 万忠涛.国防科学技术大学 2010
[8]多传感器融合技术在汽车避障中的应用[D]. 姜元清.长春理工大学 2008
[9]多传感器数据融合算法研究[D]. 高青.西安电子科技大学 2008
[10]多传感器信息融合技术的研究[D]. 冯波.南京航空航天大学 2004
本文编号：3366686
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
DAPAR第二届无人车大赛
谷歌无人车
第1章绪论32011年，牛津大学推出越野型无人车WildCat[13]，如图1-3(a)所示。该无人车通过激光雷达和相机获取道路信息，可以在崎岖山路行驶，还能够实现绕道行驶，并且不依赖GPS。2013年，牛津大学推出第二款无人车RobotCar，如图1-3(b)所示。该无人车采用ipad处理数据，并依据3D导航地图短途行驶。(a)WildCat无人车(b)RobotCar无人车图1-3牛津大学无人车上世纪80年代，德国研制出VaMP无人车[13]。VaMP利用相机获取道路环境信息，感知范围达100米左右。VaMP在模拟交通场景可以实现130km/h的行驶速度。2006年，德国国防军大学研制出MuCAR-3无人车，该无人车可在结构化和非结构化道路环境中行驶[14]。2011年9月，德国柏林大学的MIG无人车连续行驶近20公里，中途经过46个交通灯路口，成功绕行两个环岛，如图1-5所示。图1-5柏林大学MIG无人车与此同时，德国汽车企业也着手研究无人驾驶技术[15]。2014年，宝马展示了其研发的自动泊车技术及防碰撞技术等，其控制精度达到厘米级。20世纪90年代，日本NEDO公司开始研究无人驾驶货车[13]，并成功使货
【参考文献】：
期刊论文
[1]自动驾驶环境感知系统研究[J]. 郝俊. 时代汽车. 2018(09)
[2]我国无人驾驶技术发展现状研究[J]. 贾瑞杰. 电子世界. 2018(15)
[3]基于双目视觉图像的倒车障碍物检测预处理方法[J]. 刘昱岗,王卓君,刘艳芳,张祖涛,徐宏. 重庆交通大学学报(自然科学版). 2018(03)
[4]基于3D激光雷达点云的道路边界识别算法[J]. 孔栋,孙亮,王建强,王晓原. 广西大学学报(自然科学版). 2017(03)
[5]无人驾驶汽车环境感知技术综述[J]. 马佃波. 汽车与驾驶维修(维修版). 2017(05)
[6]无人驾驶汽车环境感知技术综述[J]. 王世峰,戴祥,徐宁,张鹏飞. 长春理工大学学报(自然科学版). 2017(01)
[7]无人驾驶汽车避障方法探析[J]. 朱麒融. 科技资讯. 2016(21)
[8]基于激光雷达的无人驾驶汽车动态障碍物检测、跟踪与识别方法[J]. 黄如林,梁华为,陈佳佳,赵盼,杜明博. 机器人. 2016(04)
[9]聚类算法综述[J]. 伍育红. 计算机科学. 2015(S1)
[10]一种基于激光与视频信息时空数据融合的行人检测方法[J]. 张荣辉,李福樑,周喜,蒋同海,游峰,徐建闽,杨三强. 交通运输系统工程与信息. 2015(03)
博士论文
[1]智能车行车环境视觉感知关键技术研究[D]. 梁敏健.长安大学 2017
[2]无人驾驶车辆环境感知系统关键技术研究[D]. 王俊.中国科学技术大学 2016
[3]无人驾驶车辆运动障碍物检测、预测和避撞方法研究[D]. 辛煜.中国科学技术大学 2014
[4]城市环境下无人驾驶智能车感知系统若干关键技术研究[D]. 陈龙.武汉大学 2013
[5]自主式车辆环境感知技术研究[D]. 石磊.南京理工大学 2010
[6]用于越野自主导航车的激光雷达与视觉融合方法研究[D]. 刘大学.国防科学技术大学 2009
[7]多传感器数据融合问题的研究[D]. 王欣.吉林大学 2006
[8]自主驾驶汽车智能控制系统[D]. 孙振平.国防科学技术大学 2004
[9]基于激光雷达的移动机器人障碍检测和自定位[D]. 项志宇.浙江大学 2002
硕士论文
[1]基于四线激光雷达的道路信息提取技术研究[D]. 李龙杰.北京工业大学 2016
[2]基于激光雷达的智能车防撞预警系统研究[D]. 崔熠明.吉林大学 2016
[3]车载视觉系统中障碍物检测与识别方法研究[D]. 曾丽娜.南京航空航天大学 2016
[4]基于单线激光雷达的障碍物检测与跟踪研究[D]. 庄秀华.湖南大学 2014
[5]基于雷达与相机的无人驾驶智能车障碍物检测技术研究[D]. 张双喜.长安大学 2013
[6]无人车前方障碍物的检测方法研究[D]. 王葵.安徽大学 2012
[7]基于激光雷达的道路与障碍检测研究[D]. 万忠涛.国防科学技术大学 2010
[8]多传感器融合技术在汽车避障中的应用[D]. 姜元清.长春理工大学 2008
[9]多传感器数据融合算法研究[D]. 高青.西安电子科技大学 2008
[10]多传感器信息融合技术的研究[D]. 冯波.南京航空航天大学 2004
本文编号：3366686
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3366686.html
