發(fā)布時(shí)間：2017-03-20 12:07

  本文關(guān)鍵詞：基于激光雷達(dá)的智能車(chē)防撞預(yù)警系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：汽車(chē)主動(dòng)安全技術(shù)是全世界幾乎所有汽車(chē)制造商和研究機(jī)構(gòu)研究的熱點(diǎn),更加安全、更加智能是未來(lái)汽車(chē)工業(yè)的發(fā)展方向。本文描述的基于激光雷達(dá)的智能車(chē)防撞預(yù)警系統(tǒng)是主動(dòng)安全技術(shù)的一個(gè)重要的研究分支。本文的主要工作內(nèi)容如下:(1)激光點(diǎn)云數(shù)據(jù)采集硬件平臺(tái)的設(shè)計(jì):設(shè)計(jì)并制作了一套激光點(diǎn)云數(shù)據(jù)采集硬件平臺(tái),該平臺(tái)基于一塊飛思卡爾MC9S08DZ60處理器,可以實(shí)現(xiàn)針對(duì)SICK LMS151激光雷達(dá)的數(shù)據(jù)采集、解算、分析、報(bào)警和遠(yuǎn)程數(shù)據(jù)上傳工作。(2)經(jīng)過(guò)優(yōu)化的DBSCAN聚類(lèi)算法的提出:提出了一種優(yōu)化的DBSCAN聚類(lèi)算法。傳統(tǒng)DBSCAN算法在面對(duì)空間密度分布不均勻的數(shù)據(jù)類(lèi)型時(shí)會(huì)面臨聚類(lèi)參數(shù)選擇困難的障礙,激光雷達(dá)數(shù)據(jù)屬于典型的空間區(qū)域密度分布不均勻的數(shù)據(jù)類(lèi)型,距離激光雷達(dá)本體越遠(yuǎn)的障礙物返回的數(shù)據(jù)點(diǎn)密度越低,本文針對(duì)這一特性,將距離參數(shù)融入到傳統(tǒng)DBSCAN算法的?參數(shù)中,使之能夠適應(yīng)激光雷達(dá)數(shù)據(jù)空間密度分布不均勻的特點(diǎn),對(duì)任意距離上的激光雷達(dá)數(shù)據(jù)都能夠以合理的參數(shù)進(jìn)行聚類(lèi)。(3)針對(duì)硬件平臺(tái)和聚類(lèi)算法的實(shí)驗(yàn):本文進(jìn)行了大量實(shí)驗(yàn)來(lái)驗(yàn)證激光點(diǎn)云數(shù)據(jù)采集硬件平臺(tái)的功能完整性和有效性,同時(shí)對(duì)比了經(jīng)過(guò)優(yōu)化的DBSCAN算法和傳統(tǒng)的DBSCAN算法在多種情況下不同障礙物分布時(shí)的聚類(lèi)效果,驗(yàn)證了本文提出算法的有效性和優(yōu)越性。
【關(guān)鍵詞】：激光雷達(dá) 主動(dòng)安全 預(yù)警系統(tǒng) 點(diǎn)云數(shù)據(jù)采集 DBSCAN算法 點(diǎn)云數(shù)據(jù)聚類(lèi)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：U463.6;TN958.98
【目錄】：

• 摘要4-5
• abstract5-10
• 第1章 緒論10-19
• 1.1 課題研究的背景及意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-16
• 1.2.1 國(guó)外研究現(xiàn)狀12-14
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀14-16
• 1.3 本文主要研究?jī)?nèi)容及章節(jié)安排16-18
• 1.3.1 本文主要研究?jī)?nèi)容16-17
• 1.3.2 本文章節(jié)安排17-18
• 1.4 本章小結(jié)18-19
• 第2章 激光雷達(dá)數(shù)據(jù)的預(yù)處理19-28
• 2.1 激光雷達(dá)工作原理19-20
• 2.2 基于激光雷達(dá)的環(huán)境感知20-23
• 2.3 激光雷達(dá)數(shù)據(jù)的預(yù)處理23-27
• 2.3.1 坐標(biāo)系轉(zhuǎn)換23-24
• 2.3.2 選取感興趣區(qū)域24-25
• 2.3.3 零點(diǎn)現(xiàn)象的修正25-26
• 2.3.4 最大誤差估計(jì)26-27
• 2.4 本章小結(jié)27-28
• 第3章 激光雷達(dá)數(shù)據(jù)采集硬件平臺(tái)設(shè)計(jì)28-35
• 3.1 LMS151激光雷達(dá)簡(jiǎn)介28-29
• 3.2 激光點(diǎn)云數(shù)據(jù)采集硬件平臺(tái)29-33
• 3.3 激光點(diǎn)云數(shù)據(jù)解算算法33-34
• 3.4 本章小結(jié)34-35
• 第4章 激光雷達(dá)數(shù)據(jù)的聚類(lèi)35-46
• 4.1 聚類(lèi)算法概述35-38
• 4.1.1 劃分聚類(lèi)法35-37
• 4.1.2 層次法37
• 4.1.3 基于網(wǎng)格的聚類(lèi)法37-38
• 4.1.4 基于密度的聚類(lèi)法38
• 4.2 激光雷達(dá)數(shù)據(jù)特點(diǎn)分析38-40
• 4.3 傳統(tǒng)的DBSCAN算法40-41
• 4.4 針對(duì)激光雷達(dá)數(shù)據(jù)優(yōu)化的DBSCAN算法41-45
• 4.5 本章小結(jié)45-46
• 第5章 實(shí)驗(yàn)數(shù)據(jù)與結(jié)果分析46-64
• 5.1 激光雷達(dá)的安裝與調(diào)試46-47
• 5.2 激光雷達(dá)ROI區(qū)域相關(guān)參數(shù)配置47-51
• 5.3 激光點(diǎn)云數(shù)據(jù)采集與解算功能實(shí)驗(yàn)51-56
• 5.3.1 通訊初始化設(shè)置51-52
• 5.3.2 下位機(jī)激光點(diǎn)云數(shù)據(jù)解算52-53
• 5.3.3 Li DAR MK-I功能性測(cè)試53-56
• 5.4 激光點(diǎn)云數(shù)據(jù)聚類(lèi)算法實(shí)驗(yàn)56-63
• 5.5 本章小結(jié)63-64
• 第6章 總結(jié)與展望64-66
• 6.1 全文總結(jié)64-65
• 6.2 存在的不足和展望65-66
• 參考文獻(xiàn)66-71
• 作者簡(jiǎn)介及科研成果71-72
• 致謝72-73

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 潘玲玲;張育平;徐濤;;核DBSCAN算法在民航客戶細(xì)分中的應(yīng)用[J];計(jì)算機(jī)工程;2012年10期

2 周紅芳;王鵬;;DBSCAN算法中參數(shù)自適應(yīng)確定方法的研究[J];西安理工大學(xué)學(xué)報(bào);2012年03期

3 徐新華;謝永紅;;增量聚類(lèi)綜述及增量DBSCAN聚類(lèi)算法研究[J];華北航天工業(yè)學(xué)院學(xué)報(bào);2006年02期

4 郭保青;朱力強(qiáng);史紅梅;;基于快速DBSCAN聚類(lèi)的鐵路異物侵限檢測(cè)算法[J];儀器儀表學(xué)報(bào);2012年02期

5 劉淑芬;孟冬雪;王曉燕;;基于網(wǎng)格單元的DBSCAN算法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2014年04期

6 張宏兵;陸建峰;湯九斌;;一種基于近似EMD的DBSCAN改進(jìn)算法[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2012年04期

7 茍和平;景永霞;馮百明;李勇;;基于DBSCAN聚類(lèi)的改進(jìn)KNN文本分類(lèi)算法[J];科學(xué)技術(shù)與工程;2013年01期

8 劉軍;艾力·斯木吐拉;馬曉松;;一種改進(jìn)的DBSCAN聚類(lèi)算法的研究與應(yīng)用[J];交通與計(jì)算機(jī);2008年03期

9 李新延,李德仁;DBSCAN空間聚類(lèi)算法及其在城市規(guī)劃中的應(yīng)用[J];測(cè)繪科學(xué);2005年03期

10 孫煥良;畢占舉;劉俊嶺;周祥國(guó);許景科;;一種發(fā)現(xiàn)多層次密度的聚類(lèi)算法[J];沈陽(yáng)建筑大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前8條

1 馬帥;宋國(guó)杰;唐世渭;楊冬青;王騰蛟;;基于單元?jiǎng)澐值腄BSCAN聚類(lèi)算法[A];第十九屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2002年

2 朵春紅;王翠茹;;基于取樣的DBSCAN聚類(lèi)算法及其遺傳優(yōu)化[A];第一屆中國(guó)高校通信類(lèi)院系學(xué)術(shù)研討會(huì)論文集[C];2007年

3 龐洋;李海林;郭義喜;;基于DBSCAN算法的日志信息聚類(lèi)研究[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

4 宮蕊;舒紅平;郭遠(yuǎn)遠(yuǎn);;基于DBSCAN的密度聚類(lèi)算法的研究[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

5 張健沛;許慧;楊靜;崔洪晶;;基于數(shù)據(jù)分區(qū)、QR~*-樹(shù)的并行DBSCAN算法[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)——通信與信息技術(shù)會(huì)議論文集（下）[C];2006年

6 Yi-Chun Xu;Man Zhu;Zunhai Ke;Yong Liu;Suifa Sun;;Isolating Ships from Shape Curve with DBSCAN[A];第25屆中國(guó)控制與決策會(huì)議論文集[C];2013年

7 范曄;周水庚;曹晶;周傲英;;通過(guò)數(shù)據(jù)取樣擴(kuò)展基于密度的聚類(lèi)算法[A];第十六屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集[C];1999年

8 曹晶;周水庚;范曄;周傲英;;數(shù)據(jù)分區(qū):一種改善基于密度的聚類(lèi)算法的方法[A];第十六屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集[C];1999年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 陸穎華;基于局部敏感哈希的DBSCAN算法研究[D];南京信息工程大學(xué);2015年

2 汪洋;采用DBSCAN聚類(lèi)的自適應(yīng)步長(zhǎng)細(xì)菌覓食算法[D];南京師范大學(xué);2015年

3 謝江;針對(duì)非均勻密度環(huán)境的DBSCAN自適應(yīng)聚類(lèi)算法的研究[D];重慶大學(xué);2015年

4 崔熠明;基于激光雷達(dá)的智能車(chē)防撞預(yù)警系統(tǒng)研究[D];吉林大學(xué);2016年

5 羅啟福;基于云計(jì)算的DBSCAN算法研究[D];武漢理工大學(xué);2013年

6 吳林敏;針對(duì)非均勻數(shù)據(jù)集的DBSCAN過(guò)濾式改進(jìn)算法[D];重慶大學(xué);2009年

7 虞倩倩;基于數(shù)據(jù)劃分的DBSCAN算法研究[D];江南大學(xué);2013年

8 黃毅磊;DBSCAN算法及在城市網(wǎng)格化管理中的應(yīng)用[D];上海交通大學(xué);2010年

9 孫思;利用遺傳思想進(jìn)行數(shù)據(jù)劃分的DBSCAN算法研究[D];重慶大學(xué);2005年

10 許慧;基于數(shù)據(jù)分區(qū)和QR*樹(shù)的并行DBSCAN算法研究[D];哈爾濱工程大學(xué);2007年

  本文關(guān)鍵詞：基于激光雷達(dá)的智能車(chē)防撞預(yù)警系統(tǒng)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：257738