原文传递
无人驾驶汽车的运动规划与多传感器数据融合技术研究
| 论文题名： | 无人驾驶汽车的运动规划与多传感器数据融合技术研究 |
| 关键词： | 无人驾驶;运动决策;轨迹规划;多传感器融合;目标检测 |
| 摘要： | 无人驾驶汽车集汽车技术、自动控制、人工智能于一体，前所未有的将汽车与计算机两大发明紧密联系在一起。近年来，无人驾驶汽车作为一项关键技术备受关注。在整个无人驾驶汽车软件框架中，规划层和感知层占据着举足轻重的地位。可靠的规划轨迹是保证无人驾驶汽车安全行驶的前提，而准确的感知结果又是规划层正常工作的基础。本文综合考虑感知层与规划层的任务，探讨基于多传感器数据融合的无人驾驶汽车运动规划技术，保证无人驾驶汽车安全、平稳、高效地行驶。 首先，针对最常见的标准城市道路无人驾驶应用场景，提出一种基于贝叶斯风险评估模型的高速无人驾驶汽车运动决策和规划策略。与一般的风险模型相比，上述风险模型将主车的加速度因素考虑在内，从而获得更为准确的行为决策结果。然后根据决策确定的最优行为，使用“多项式-模型预测优化”方法得到安全的参考轨迹。数值仿真结果验证了所提出方法的优越性。 其次，针对像校园和乡村道路这类低速应用场景，设计了一种基于行为策略的无人驾驶汽车运动规划方法。与使用针对高速车辆设计的碰撞检查方法相比，使用本章提出的针对低速车辆的基于姿态多项式的快速碰撞检查方法，可以有效降低规划轨迹的保守性并减小计算耗时。为了平衡轨迹安全与效率的矛盾，设计可变行为策略用于选取最优轨迹。PreScan与Simulink联合仿真结果表明提出的方法可以在完成超车动作的前提下获得更平滑的规划轨迹。 最后，为了保证规划层可以获得准确的障碍物信息来完成决策规划任务，提出了一种两阶段多传感器数据融合方案，用于实现可靠的目标识别和状态估计。该数据融合方案首先对毫米波雷达和相机原始数据处理得到目标列表，并对激光雷达数据使用鸟瞰图投影方法处理得到2D点云地图。在第二阶段利用点云地图对目标进行校准，并通过扩展卡尔曼滤波器获得目标的最优状态估计。PanoSim仿真测试表明融合后的目标状态比单一传感器获得的目标状态更稳定、更准确，且融合信息可以满足变道和超车规划任务的需要。 |
| 作者： | 李峥 |
| 专业： | 控制工程 |
| 导师： | 左志强;呼文韬 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
