定位技術(shù)是無人駕駛技術(shù)體系的重要一環(huán)。傳統(tǒng)的衛(wèi)星定位、V2X等無人駕駛定位方法,對于城市、隧道等復(fù)雜交通場景具有局限性且定位誤差較大,容易影響行車安全。依靠無人駕駛必備的激光雷達環(huán)境感知器件來實現(xiàn)車輛的自主定位,一直是無人駕駛領(lǐng)域的研究熱點。激光雷達自主定位的關(guān)鍵是點云配準(zhǔn)。傳統(tǒng)的點云配準(zhǔn)算法諸如ICP及其改進算法,存在應(yīng)用面窄、易陷入局部最小解的缺點。為此,本文提出了一種新的激光雷達點云配準(zhǔn)算法,在此基礎(chǔ)上構(gòu)建了相應(yīng)的激光雷達里程計以及即時定位與地圖構(gòu)建（SLAM）方法,以實現(xiàn)無人駕駛的可靠自主定位。主要研究內(nèi)容及創(chuàng)新點如下:（1）在卷積神經(jīng)網(wǎng)絡(luò)PointNet++和ICP算法的基礎(chǔ)上,提出一種新的點云配準(zhǔn)算法,利用PointNet++提取點云的深層特征描述子,以特征差為依據(jù)尋找兩組點云的對應(yīng)點,從而提高配準(zhǔn)的精度。（2）基于PointNet++&ICP點云配準(zhǔn)算法,提出了一種新的激光雷達里程計,利用粗細(xì)配準(zhǔn)實現(xiàn)相鄰點云幀之間的運動估計,并將其轉(zhuǎn)換到全局坐標(biāo)中。里程計首先對點云進行濾波和運動補償?shù)念A(yù)處理,從而保證里程計的更新頻率;由于PointNet++&ICP能克服... 

【文章來源】：重慶理工大學(xué)重慶市

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

百度Apollo定位系統(tǒng)框架

重慶理工大學(xué)碩士學(xué)位論文10出激光源到目標(biāo)物體的距離。激光雷達的掃描角度是360°，所以將激光發(fā)射源和接收器固定好后要繞中心軸旋轉(zhuǎn)，即可得到點云數(shù)據(jù)。圖2.2激光雷達三角測距法相比于三角法，TOF法的設(shè)計思路更加清晰簡單，由于光速是恒定的，所以激光器可以通過計算激光的飛行時間來測量反射點到激光源的空間距離。TOF激光雷達[75]的技術(shù)難點在于對計時器的精度要求很高，且對于激光發(fā)射源的脈沖激光及其上升沿有著較高的要求，基于三角測距的激光雷達則對發(fā)射脈沖沒有較高的要求，但TOF激光雷達能實現(xiàn)更快的采樣頻率，更遠(yuǎn)的測距范圍和更快的運算過程，所以為了保證安全性TOF技術(shù)被廣泛地應(yīng)用于無人車的激光雷達的設(shè)計中。2.2三維剛體運動剛體運動可以簡單地理解為在運動過程中物體沒有發(fā)生形變，車輛及其負(fù)載物在行駛過程中并不會發(fā)生形變，所以車輛及其傳感器的運動也屬于剛體運用。在三維空間中一個車輛的位姿共有6個自由度，其中三個表示車輛的位置坐標(biāo)，另外三個表示車輛的方向。2.2.1旋轉(zhuǎn)矩陣和變換矩陣無人車的里程計定位本質(zhì)上是激光雷達坐標(biāo)系與全局坐標(biāo)系之間的變換關(guān)系。兩個坐標(biāo)系可以通過剛體運動的旋轉(zhuǎn)和平移相互變換，這種變換也就是車輛航機推算的一個過程，所以激光雷達里程計的位姿推算需要將自身的坐標(biāo)系與全局或著上一個時刻的坐標(biāo)系做歐式變換，通過變換矩陣可以得到其在全局空間的坐標(biāo)，完成定位的功能。假設(shè)激光雷達參考系相對于全局發(fā)生了旋轉(zhuǎn)，點在全局坐標(biāo)系(1,2,3)下的

重慶理工大學(xué)碩士學(xué)位論文12其中，與分別表示旋轉(zhuǎn)矩陣和向量，為模，為單位向量，^為的反對稱矩陣，旋轉(zhuǎn)矩陣R轉(zhuǎn)換為向量的公式如式(2-8)和式(2-9)所示：()=cos()+(1cos)()+sin(^)=3cos+(1cos)=1+2cos式(28)=()12式(29)其中，為旋轉(zhuǎn)角度，式(2-10)的解在經(jīng)過歸一化后為單位旋轉(zhuǎn)向量。變換矩陣則可以用一個平移向量加旋轉(zhuǎn)向量表示，構(gòu)成6個參數(shù)的表示。=式(210)不同于旋轉(zhuǎn)矩陣的向量表示，歐拉角可以用三個不同軸的旋轉(zhuǎn)角度表示物體的旋轉(zhuǎn)運動，但是旋轉(zhuǎn)軸不同會使歐拉角的表示不同，容易造成混淆且存在萬向鎖問題。2.3點云配準(zhǔn)算法在激光雷達里程計定位中，核心步驟是找到不同幀之間點云的對應(yīng)點，并估計出幀與幀或幀與地圖的旋轉(zhuǎn)和平移，從而求得車輛運動的變換矩陣。點云配準(zhǔn)的可視化表現(xiàn)為將兩組空間位置不同的點云拼接在一起，如圖2.3所示。圖2.3點云配準(zhǔn)過程

【參考文獻】：
期刊論文
[1]基于激光雷達的室內(nèi)場景三維重建系統(tǒng)設(shè)計[J]. 張明,王鉉,陳柯穎.  電子設(shè)計工程. 2019(24)
[2]基于余弦相似度的點云配準(zhǔn)算法[J]. 詹旭,蔡勇.  激光與光電子學(xué)進展. 2020(12)
[3]一種基于高斯曲率的ICP改進算法[J]. 王飛鵬,肖俊,王穎,王云標(biāo).  中國科學(xué)院大學(xué)學(xué)報. 2019(05)
[4]基于關(guān)鍵點提取與優(yōu)化迭代最近點的點云配準(zhǔn)[J]. 彭真,呂遠(yuǎn)健,渠超,朱大虎.  激光與光電子學(xué)進展. 2020(06)
[5]曲率約束的激光點云全局優(yōu)化配準(zhǔn)算法[J]. 馬偉麗,王健,孫文瀟.  遙感信息. 2019(04)
[6]固態(tài)激光雷達研究進展[J]. 陳敬業(yè),時堯成.  光電工程. 2019(07)
[7]基于改進NDT算法的城市場景三維點云配準(zhǔn)[J]. 趙凱,朱愿,王任棟.  軍事交通學(xué)院學(xué)報. 2019(03)
[8]SLAM激光點云整體精配準(zhǔn)位姿圖技術(shù)[J]. 閆利,戴集成,譚駿祥,劉華,陳長軍.  測繪學(xué)報. 2019(03)
[9]基于擺動單線激光雷達的大場景稠密點云地圖創(chuàng)建系統(tǒng)[J]. 錢超杰,楊明,戚明旭,王春香,王冰.  機器人. 2019(04)
[10]基于直線特征的機器人自主定位方法[J]. 楊晶東,彭坤,顧浩楠,師艷偉.  上海交通大學(xué)學(xué)報. 2018(09)

博士論文
[1]醫(yī)學(xué)圖像配準(zhǔn)算法研究[D]. 張紅穎.天津大學(xué) 2007

碩士論文
[1]基于ROS的移動機器人自主定位與導(dǎo)航方法研究[D]. 王強.浙江工業(yè)大學(xué) 2017



本文編號：3482738