无人驾驶车辆环境感知系统关键技术研究

发布时间：2017-12-08 15:31

  本文关键词：无人驾驶车辆环境感知系统关键技术研究

  更多相关文章： 环境感知系统 传感器系统标定 车道线检测 障碍物检测 道路边界检测 逆透视变换 B样条模型

【摘要】：无人驾驶技术是当今前沿科学技术的重要发展项目,它对于社会和经济发展、国防建设以及科技发展等多个方面都具有重大的影响力。无人驾驶技术涉及认知科学、传感器技术、计算机技术、人工智能及车辆工程等交叉学科内容,既包含基础理论方法的研究与关键技术的突破,也涉及到大量的工程设计与实现问题。在无人驾驶技术组成单元中,环境感知系统是至关重要的一环,是无人车安全性和智能性的保障。其中,道路信息的检测是环境感知系统的核心问题,基于道路信息检测的车道线检测技术、障碍物检测技术以及道路边界检测技术属于无人车感知系统的关键技术,是无人车能够自主安全驾驶的必要前提条件,一直也是研究的重点和难点。本文的研究针对无人车环境感知系统几个关键技术展开,内容包括传感器系统标定、车道线检测、障碍物检测以及道路边界检测几个方面,并研究了在实际工程设计与实现中一些具体的技术手段。本文具体的研究内容及创新之处包括以下几个方面：1)对无人车的国内外发展现状进行了调研,分析比较了国外无人车环境感知系统技术的实现方法,提出了环境感知系统面临的关键问题。并在此基础上,提出了“智能先锋”系列无人车环境感知系统的设计思路和本文的研究内容。2)研究了激光传感器和视觉传感器的标定方法,设计并实现了激光传感器及视觉传感器的自标定和联合标定方法。通过设计可视化操作界面来获取特征点的位置,降低了激光传感器和视觉传感器数据的特征获取及匹配难度,提高了标定效率及准确性,为后续算法处理提供了条件。3)针对单幅图像信息量少,抗干扰能力差的问题,提出了一种基于逆透视变换时空域匹配融合的车道线检测与跟踪算法。算法结合惯导传感器信息,利用相机逆透视变换算法及SAC-IA算法,实现车道线特征的时空域匹配融合。相比较传统车道线检测算法,获得了更大范围且数据量更丰富的车道线特征数据,并采用基于密度特征的线性聚类算法,实现对车道线的特征数据聚类及滤除干扰;引入预测-跟踪模型进一步提高了检测的准确性。通过实验效果及数据统计分析表明,算法增强了车道线检测的抗干扰能力,准确性和鲁棒性高。4)针对无人车系统要求障碍物检测可靠性及稳定性高的问题,提出一种基于四维空间滤波的三维激光雷达障碍物检测算法。算法采用空间邻域分析的方法对三维激光雷达数据进行处理来检测障碍物,避免了传统基于栅格地图最大最小高度差障碍物检测方法因欠分割而导致的漏检问题。算法还改变了传统障碍物检测方法只在三维空间进行处理的情况,转化到有时间域的四维空间来进行滤波处理,可有效降低因无人车颠簸等造成的“虚警”问题,提高了检测的稳定性。实验效果及数据统计表明,算法对道路环境中各种常见的不同类型障碍物检测性能都表现良好,可靠性及稳定性高。5)针对复杂道路环境下的路面提取问题,提出一种基于B样条模型的三维激光雷达道路边界实时检测算法。算法采用基于三维激光邻域曲率梯度分割的方法提取道路边界特征,可以实现道路边界非常不明显情形下的特征点提取：利用自适应圆形搜索算法获取候选道路边界数据,并利用FCM算法实现道路边界特征点聚类,滤除干扰：算法还引入道路模型知识,利用B样条模型拟合出道路边界,提高了对干扰及不连续等外界影响的鲁棒性。算法克服了以往算法对道路边界形状和高度要求比较高的问题,且能适应多种道路环境。实验及数据统计分析结果也反映了算法稳定可靠,满足无人车在复杂道路场景里环境建模及路径规划的需要。
【学位授予单位】：中国科学技术大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP391.41

【相似文献】

中国期刊全文数据库 前10条

1 田炳香;郑榜贵;吴晴;;高速公路车道线检测与跟踪算法研究[J];现代电子技术;2008年09期

2 叶庆;赵明辉;李菲;孙晓泉;;夜间车道线检测与跟踪算法研究[J];现代电子技术;2009年13期

3 余厚云;张为公;;直线模型下的车道线跟踪与车道偏离检测[J];自动化仪表;2009年11期

4 余厚云;张为公;;基于动态感兴趣区域的车道线识别与跟踪[J];工业仪表与自动化装置;2009年05期

5 刘富强;张姗姗;朱文红;李志鹏;;一种基于视觉的车道线检测与跟踪算法[J];同济大学学报(自然科学版);2010年02期

6 胡庆新;吴林成;顾爱华;;高速公路中搜索车道线的方法[J];微计算机信息;2010年22期

7 高德芝;段建民;杨磊;杨喜宁;;应用多阶动态规划的车道线识别方法[J];机械工程学报;2011年08期

8 杨晶东;杨敬辉;朴松昊;;一种有效的车道线识别与偏道预警方法[J];控制工程;2011年02期

9 徐后杰;李会方;缪国锋;;基于单目视觉的车道线分离警告算法研究[J];微处理机;2011年03期

10 钱鹰;刘仕照;;分段切换车道模型在车道线识别中的应用[J];计算机应用;2011年S2期

中国重要会议论文全文数据库 前8条

1 毕雁冰;;提高车道线识别精度的一种方法[A];第三届中国CAE工程分析技术年会论文集[C];2007年

2 杨广林;苗冬霜;;结构化道路车道线检测与跟踪算法[A];2005年全国理论计算机科学学术年会论文集[C];2005年

3 刘晓龙;邓志东;;基于全局与局部模型相互制约及具有模型不确定性评估的车道线检测方法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

4 张洁颖;王生进;丁晓青;;基于车辆轨迹的车道线检测与划分[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

5 余贵珍;李芹;王迪;;车辆智能化车道线跟踪方法研究[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

6 李钢;圣华;张仁斌;;基于LMedSquare选取最佳子集的车道线检测算法[A];2009全国虚拟仪器大会论文集（二）[C];2009年

7 刘天辉;李飞;;车辆视觉导航中道路检测算法研究[A];第十一届沈阳科学学术年会暨中国汽车产业集聚区发展与合作论坛论文集（信息科学与工程技术分册）[C];2014年

8 孙晓军;李华;;基于Facet模型的一种车道线提取方法[A];第八届中国智能交通年会论文集[C];2013年

中国博士学位论文全文数据库 前5条

1 杜明芳;基于视觉的自主车道路环境理解技术研究[D];北京理工大学;2015年

2 王俊;无人驾驶车辆环境感知系统关键技术研究[D];中国科学技术大学;2016年

3 陈军;基于DSP的高速公路车道偏离报警系统研究[D];天津大学;2010年

4 沈\，

本文编号：1266907