基于激光里程計的無人駕駛汽車位姿估計研究
發(fā)布時間:2021-08-31 07:24
在無人駕駛汽車行駛過程中,如何為無人駕駛汽車提供實時高精度位姿估計一直是其研究領(lǐng)域中的核心問題。常用的GPS定位系統(tǒng)能夠為無人駕駛汽車提供較高精度的位姿(位置與航向角)估計,但定位效果依賴衛(wèi)星信號、易受周圍環(huán)境干擾,因此通常引入車輛航跡推算信息進行補償,然而對于三維運動車輛如何估計短時間內(nèi)車輛位姿的相對變化是問題的關(guān)鍵。因此本文針對無人駕駛汽車相對位姿估計問題展開研究,提出了基于激光里程計的位姿估計算法框架實現(xiàn)無人駕駛汽車相對位姿估計,主要工作如下:(1)本文激光里程計以靜態(tài)障礙物為特征,首先基于16線激光雷達(dá),提出一種無人駕駛汽車行駛環(huán)境中障礙物檢測方法。針對激光掃描環(huán)境中不同障礙物模型得到的三維點云分布差異問題,通過基于不同障礙物特征檢測方法進行障礙物檢測,從而有效提高障礙物實時檢測效果。(2)為實現(xiàn)去除動態(tài)障礙物的不利影響,運用汽車?yán)锍逃嬆P秃蚄alman濾波器,對障礙物模型進行位姿預(yù)測,并對不同幀間障礙物進行匹配關(guān)聯(lián),使用靜態(tài)障礙物模型時空無突變特性將動態(tài)障礙物濾除。從而實現(xiàn)利用靜態(tài)障礙物為特征求解相鄰幀間車輛位姿相對變化,進一步實現(xiàn)局部環(huán)境中的激光里程計。實車實驗結(jié)果表明,針...
【文章來源】:長安大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁數(shù)】:73 頁
【學(xué)位級別】:碩士
【部分圖文】:
國內(nèi)無人駕駛汽車
引起了一波新的研究浪潮。另外,信息通信技術(shù)、人工智能、計算機技術(shù)的發(fā)展也快速的推動了無人駕駛領(lǐng)域向縱深方向發(fā)展。圖 1.1(a)為國發(fā)的無人駕駛汽車,圖 1.1(b)為百度無人駕駛汽車。圖 1.2(a)所示為谷歌無圖 1.2(b)為 UBER 無人駕駛汽車。(a) 無人(自主)駕駛紅旗 HQ3 轎車 (b) 百度無人駕駛汽車圖 1.1 國內(nèi)無人駕駛汽車
實現(xiàn)基于激光里程計的無人駕駛汽車位姿估計為目的的算法示。障礙物檢測模塊實時的對激光雷達(dá)原始數(shù)據(jù)進行處理,傳輸給匹配關(guān)聯(lián)模塊;CAN 總線模塊將汽車方向盤轉(zhuǎn)角、預(yù)測模塊,障礙物位姿預(yù)測模塊通過 CAN 總線數(shù)據(jù)對上一;匹配關(guān)聯(lián)模塊對當(dāng)前幀障礙物模型集與上一幀障礙物模型模塊對障礙物匹配關(guān)聯(lián)集進行分割得到動態(tài)、靜態(tài)障礙物匹態(tài)障礙物匹配集對無人駕駛汽車位姿變換進行求解,誤差模換預(yù)測值與觀測值誤差,從而在位姿優(yōu)化模塊中采用 Kalma駛汽車位姿估計進行更新,從而實現(xiàn)基于激光里程計的無人量模塊利用得到的位姿優(yōu)化結(jié)果對動態(tài)障礙物進行速度矢量
【參考文獻(xiàn)】:
期刊論文
[1]基于雙目ORB-SLAM的障礙物記憶定位與去噪算法[J]. 魏彤,金礪耀. 機器人. 2018(03)
[2]基于改進的3維ICP匹配的單目視覺里程計[J]. 袁夢,李艾華,崔智高,姜柯,鄭勇. 機器人. 2018(01)
[3]基于信息融合的智能車障礙物檢測方法[J]. 陸峰,徐友春,李永樂,王德宇,謝德勝. 計算機應(yīng)用. 2017(S2)
[4]基于密度的K-means算法在軌跡數(shù)據(jù)聚類中的優(yōu)化[J]. 郝美薇,戴華林,郝琨. 計算機應(yīng)用. 2017(10)
[5]激光三角法在水下機器人定位中的研究[J]. 耿文波,姚遙. 激光雜志. 2017(08)
[6]基于三維激光雷達(dá)的動態(tài)障礙物檢測和追蹤方法[J]. 鄒斌,劉康,王科未. 汽車技術(shù). 2017(08)
[7]基于改進SURF算法的單目視覺里程計[J]. 冉峰,李天,季淵,劉萬林. 電子測量技術(shù). 2017(05)
[8]異構(gòu)蜂窩網(wǎng)絡(luò)中一種基于匈牙利算法的用戶關(guān)聯(lián)方法[J]. 蘇恭超,陳彬,林曉輝,王暉,李樂民. 電子科技大學(xué)學(xué)報. 2017(02)
[9]不確定數(shù)據(jù)聚類綜述[J]. 羅來源,孫國寶. 電腦知識與技術(shù). 2017(01)
[10]聯(lián)合作戰(zhàn)目標(biāo)協(xié)同模型構(gòu)建與求解方法[J]. 張憲,許瑞明. 指揮控制與仿真. 2016(06)
博士論文
[1]基于三維激光雷達(dá)的無人駕駛車輛環(huán)境建模關(guān)鍵技術(shù)研究[D]. 劉健.中國科學(xué)技術(shù)大學(xué) 2016
碩士論文
[1]三維激光雷達(dá)在自主車環(huán)境感知中的應(yīng)用研究[D]. 諶彤童.國防科學(xué)技術(shù)大學(xué) 2011
本文編號:3374468
【文章來源】:長安大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁數(shù)】:73 頁
【學(xué)位級別】:碩士
【部分圖文】:
國內(nèi)無人駕駛汽車
引起了一波新的研究浪潮。另外,信息通信技術(shù)、人工智能、計算機技術(shù)的發(fā)展也快速的推動了無人駕駛領(lǐng)域向縱深方向發(fā)展。圖 1.1(a)為國發(fā)的無人駕駛汽車,圖 1.1(b)為百度無人駕駛汽車。圖 1.2(a)所示為谷歌無圖 1.2(b)為 UBER 無人駕駛汽車。(a) 無人(自主)駕駛紅旗 HQ3 轎車 (b) 百度無人駕駛汽車圖 1.1 國內(nèi)無人駕駛汽車
實現(xiàn)基于激光里程計的無人駕駛汽車位姿估計為目的的算法示。障礙物檢測模塊實時的對激光雷達(dá)原始數(shù)據(jù)進行處理,傳輸給匹配關(guān)聯(lián)模塊;CAN 總線模塊將汽車方向盤轉(zhuǎn)角、預(yù)測模塊,障礙物位姿預(yù)測模塊通過 CAN 總線數(shù)據(jù)對上一;匹配關(guān)聯(lián)模塊對當(dāng)前幀障礙物模型集與上一幀障礙物模型模塊對障礙物匹配關(guān)聯(lián)集進行分割得到動態(tài)、靜態(tài)障礙物匹態(tài)障礙物匹配集對無人駕駛汽車位姿變換進行求解,誤差模換預(yù)測值與觀測值誤差,從而在位姿優(yōu)化模塊中采用 Kalma駛汽車位姿估計進行更新,從而實現(xiàn)基于激光里程計的無人量模塊利用得到的位姿優(yōu)化結(jié)果對動態(tài)障礙物進行速度矢量
【參考文獻(xiàn)】:
期刊論文
[1]基于雙目ORB-SLAM的障礙物記憶定位與去噪算法[J]. 魏彤,金礪耀. 機器人. 2018(03)
[2]基于改進的3維ICP匹配的單目視覺里程計[J]. 袁夢,李艾華,崔智高,姜柯,鄭勇. 機器人. 2018(01)
[3]基于信息融合的智能車障礙物檢測方法[J]. 陸峰,徐友春,李永樂,王德宇,謝德勝. 計算機應(yīng)用. 2017(S2)
[4]基于密度的K-means算法在軌跡數(shù)據(jù)聚類中的優(yōu)化[J]. 郝美薇,戴華林,郝琨. 計算機應(yīng)用. 2017(10)
[5]激光三角法在水下機器人定位中的研究[J]. 耿文波,姚遙. 激光雜志. 2017(08)
[6]基于三維激光雷達(dá)的動態(tài)障礙物檢測和追蹤方法[J]. 鄒斌,劉康,王科未. 汽車技術(shù). 2017(08)
[7]基于改進SURF算法的單目視覺里程計[J]. 冉峰,李天,季淵,劉萬林. 電子測量技術(shù). 2017(05)
[8]異構(gòu)蜂窩網(wǎng)絡(luò)中一種基于匈牙利算法的用戶關(guān)聯(lián)方法[J]. 蘇恭超,陳彬,林曉輝,王暉,李樂民. 電子科技大學(xué)學(xué)報. 2017(02)
[9]不確定數(shù)據(jù)聚類綜述[J]. 羅來源,孫國寶. 電腦知識與技術(shù). 2017(01)
[10]聯(lián)合作戰(zhàn)目標(biāo)協(xié)同模型構(gòu)建與求解方法[J]. 張憲,許瑞明. 指揮控制與仿真. 2016(06)
博士論文
[1]基于三維激光雷達(dá)的無人駕駛車輛環(huán)境建模關(guān)鍵技術(shù)研究[D]. 劉健.中國科學(xué)技術(shù)大學(xué) 2016
碩士論文
[1]三維激光雷達(dá)在自主車環(huán)境感知中的應(yīng)用研究[D]. 諶彤童.國防科學(xué)技術(shù)大學(xué) 2011
本文編號:3374468
本文鏈接:http://www.sikaile.net/kejilunwen/qiche/3374468.html
最近更新
教材專著