【摘要】：當(dāng)今時(shí)代,隨著經(jīng)濟(jì)的快速發(fā)展,交通堵塞頻繁、交通事故增多和環(huán)境污染等一系列社會(huì)問題變得愈發(fā)嚴(yán)重,汽車智能化是解決這些問題的重要途徑之一。智能汽車系統(tǒng)主要包括環(huán)境感知、規(guī)劃決策和控制執(zhí)行等三個(gè)部分。在環(huán)境感知中,四線激光雷達(dá)由于具有數(shù)據(jù)量適中、測量精度高和受環(huán)境影響小等優(yōu)勢而被廣泛使用,本文研究了基于四線激光雷達(dá)的目標(biāo)檢測與跟蹤算法,主要開展了以下工作:第一,介紹四線激光雷達(dá)的安裝、標(biāo)定和坐標(biāo)轉(zhuǎn)換方法;設(shè)計(jì)基于柵格地圖最大最小高度差的濾波方法對(duì)四線激光雷達(dá)的原始數(shù)據(jù)進(jìn)行濾波,實(shí)現(xiàn)對(duì)數(shù)據(jù)中噪聲和地面點(diǎn)的濾除。第二,根據(jù)四線激光雷達(dá)測量數(shù)據(jù)的分布特征,結(jié)合各種聚類算法的優(yōu)缺點(diǎn),選擇 DBSCAN(Density-Based Spatial Clustering of Applications with Noise,噪聲環(huán)境下基于密度的聚類)算法作為目標(biāo)檢測算法,針對(duì)DBSCAN算法輸入?yún)?shù)固定的缺陷,運(yùn)用近鄰規(guī)模演化算法自適應(yīng)地確定算法的參數(shù);提出最小凸包法結(jié)合遍歷法的最小包絡(luò)矩形提取算法,將每一個(gè)目標(biāo)用一個(gè)包絡(luò)矩形框表示,提取出目標(biāo)的特征信息。第三,設(shè)計(jì)基于多特征信息的最近鄰數(shù)據(jù)關(guān)聯(lián)算法,通過構(gòu)建多特征匹配函數(shù)取代最近鄰數(shù)據(jù)關(guān)聯(lián)算法中的歐式距離,完成相鄰兩幀雷達(dá)量測之間的匹配;結(jié)合卡爾曼濾波器對(duì)激光雷達(dá)視野內(nèi)的動(dòng)態(tài)目標(biāo)進(jìn)行跟蹤。最后,在Ubuntu 14.04下開發(fā)雷達(dá)的可視化界面;利用湖南大學(xué)LIFAN-IV智能車實(shí)驗(yàn)平臺(tái)進(jìn)行實(shí)驗(yàn),驗(yàn)證目標(biāo)檢測和目標(biāo)跟蹤算法的有效性。實(shí)驗(yàn)結(jié)果表明本文提出的目標(biāo)檢測與跟蹤算法可以穩(wěn)定、可靠地提取目標(biāo)特征信息并跟蹤動(dòng)態(tài)目標(biāo)。
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN958.98
【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
        1.1.1 智能車環(huán)境感知技術(shù)
        1.1.2 激光雷達(dá)在環(huán)境感知中的應(yīng)用
    1.2 國內(nèi)外智能車研究現(xiàn)狀
        1.2.1 國外智能車研究現(xiàn)狀
        1.2.2 國內(nèi)智能車研究現(xiàn)狀
    1.3 基于激光雷達(dá)的目標(biāo)檢測與跟蹤算法研究現(xiàn)狀
        1.3.2 目標(biāo)檢測與跟蹤算法研究現(xiàn)狀
        1.3.3 DBSCAN算法研究現(xiàn)狀
    1.4 本文的研究內(nèi)容
第2章 激光雷達(dá)坐標(biāo)轉(zhuǎn)換與數(shù)據(jù)濾波
    2.1 四線激光雷達(dá)原理及優(yōu)勢
        2.1.1 激光雷達(dá)原理
        2.1.2 ibeo四線激光雷達(dá)性能及優(yōu)勢
    2.2 四線激光雷達(dá)數(shù)據(jù)的坐標(biāo)轉(zhuǎn)換
        2.2.1 雷達(dá)安裝位置的確定
        2.2.2 坐標(biāo)系的定義
        2.2.3 坐標(biāo)的轉(zhuǎn)換
    2.3 基于柵格地圖最大最小高度差的雷達(dá)數(shù)據(jù)濾波
        2.3.1 常用的濾波算法
        2.3.2 基于柵格地圖最大最小高度差的濾波算法
        2.3.3 基于柵格地圖最大最小高度差的濾波算法實(shí)驗(yàn)驗(yàn)證
    2.4 本章小結(jié)
第3章 基于改進(jìn)DBSCAN算法的目標(biāo)檢測
    3.1 聚類算法的分析
        3.1.1 四線激光雷達(dá)數(shù)據(jù)特點(diǎn)
        3.1.2 聚類算法簡介
        3.1.3 DBSCAN算法
    3.2 基于改進(jìn)DBSCAN算法的目標(biāo)特征提取
        3.2.1 動(dòng)態(tài)近鄰和近鄰密度變化率
        3.2.2 調(diào)整動(dòng)態(tài)近鄰的演化算法
        3.2.3 基于動(dòng)態(tài)近鄰的DBSCAN算法
        3.2.4 目標(biāo)特征信息提取
    3.3 目標(biāo)檢測算法實(shí)驗(yàn)驗(yàn)證
    3.4 本章小結(jié)
第4章 基于改進(jìn)最近鄰數(shù)據(jù)關(guān)聯(lián)算法的目標(biāo)跟蹤
    4.1 數(shù)據(jù)關(guān)聯(lián)算法
        4.1.1 數(shù)據(jù)關(guān)聯(lián)算法簡介
        4.1.2 基于多特征的最近鄰數(shù)據(jù)關(guān)聯(lián)算法
    4.2 動(dòng)態(tài)目標(biāo)跟蹤
        4.2.1 跟蹤門的形成
        4.2.2 卡爾曼濾波理論
        4.2.3 動(dòng)態(tài)目標(biāo)跟蹤
        4.2.4 跟蹤器管理
    4.3 目標(biāo)跟蹤算法實(shí)驗(yàn)驗(yàn)證
    4.4 本章小結(jié)
第5章 目標(biāo)檢測與跟蹤算法整車實(shí)驗(yàn)驗(yàn)證
    5.1 實(shí)驗(yàn)平臺(tái)
        5.1.1 LIFAN-IV智能車
        5.1.2 軟件平臺(tái)
    5.2 四線激光雷達(dá)數(shù)據(jù)接收與顯示界面開發(fā)
        5.2.1 四線激光雷達(dá)的數(shù)據(jù)接收
        5.2.2 四線激光雷達(dá)可視化界面的編寫
    5.3 目標(biāo)檢測與跟蹤實(shí)驗(yàn)
        5.3.1 目標(biāo)檢測實(shí)驗(yàn)
        5.3.2 目標(biāo)跟蹤實(shí)驗(yàn)
    5.4 本章小結(jié)
結(jié)論與展望
    1 研究內(nèi)容總結(jié)
    2 未來研究工作展望
參考文獻(xiàn)
致謝

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 翟東海;魚江;高飛;于磊;丁鋒;;最大距離法選取初始簇中心的K-means文本聚類算法的研究[J];計(jì)算機(jī)應(yīng)用研究;2014年03期

2 武佳薇;李雄飛;孫濤;李巍;;鄰域平衡密度聚類算法[J];計(jì)算機(jī)研究與發(fā)展;2010年06期

3 李光強(qiáng);鄧敏;劉啟亮;程濤;;一種適應(yīng)局部密度變化的空間聚類方法[J];測繪學(xué)報(bào);2009年03期

4 蔡自興;肖正;于金霞;;基于激光雷達(dá)的動(dòng)態(tài)障礙物實(shí)時(shí)檢測[J];控制工程;2008年02期

5 譚穎;胡瑞飛;殷國富;;多密度閾值的DBSCAN改進(jìn)算法[J];計(jì)算機(jī)應(yīng)用;2008年03期

6 喬維高;徐學(xué)進(jìn);;無人駕駛汽車的發(fā)展現(xiàn)狀及方向[J];上海汽車;2007年07期

7 于春和;劉濟(jì)林;;越野環(huán)境的三維地圖重建[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

8 倪巍偉,孫志揮,陸介平;k-LDCHD——高維空間k鄰域局部密度聚類算法[J];計(jì)算機(jī)研究與發(fā)展;2005年05期

9 田原嫄,崔高健,黃銀花;智能汽車系統(tǒng)[J];機(jī)械;2004年12期

10 夏勁;郭紅衛(wèi);;國內(nèi)外城市智能交通系統(tǒng)的發(fā)展概況與趨勢及其啟示[J];科技進(jìn)步與對(duì)策;2003年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 王俊;無人駕駛車輛環(huán)境感知系統(tǒng)關(guān)鍵技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2016年

2 杜歆;用于導(dǎo)航的立體視覺系統(tǒng)[D];浙江大學(xué);2003年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李勇;基于激光雷達(dá)的智能車橫向避障研究[D];湖南大學(xué);2017年

2 李龍杰;基于四線激光雷達(dá)的道路信息提取技術(shù)研究[D];北京工業(yè)大學(xué);2016年

3 何磊;基于路面在線識(shí)別的線控制動(dòng)系統(tǒng)制動(dòng)力控制策略研究[D];湖南大學(xué);2016年

4 葉剛;城市環(huán)境基于三維激光雷達(dá)的自動(dòng)駕駛車輛多目標(biāo)檢測及跟蹤算法研究[D];北京理工大學(xué);2016年

5 王志宇;基于車載三維激光雷達(dá)的車輛檢測與跟蹤[D];國防科學(xué)技術(shù)大學(xué);2015年

6 李宗林;基于DBSCAN的自適應(yīng)聚類算法研究[D];長沙理工大學(xué);2015年

7 莊秀華;基于單線激光雷達(dá)的障礙物檢測與跟蹤研究[D];湖南大學(xué);2014年

8 高祺;多傳感器多目標(biāo)跟蹤的數(shù)據(jù)關(guān)聯(lián)算法研究[D];西安電子科技大學(xué);2013年

9 楊象軍;基于四線激光雷達(dá)的道路檢測與跟蹤[D];浙江大學(xué);2013年

10 陳春風(fēng);復(fù)雜環(huán)境下多目標(biāo)跟蹤技術(shù)的研究[D];哈爾濱工業(yè)大學(xué);2009年

本文編號(hào)：2841267