原文传递
基于激光雷达点云的路沿与障碍物检测方法研究
| 论文题名： | 基于激光雷达点云的路沿与障碍物检测方法研究 |
| 关键词： | 汽车无人驾驶系统;环境感知;路沿检测;障碍物检测;激光雷达;点云数据 |
| 摘要： | 路沿和障碍物检测作为无人驾驶环境感知系统的关键组成部分，对于提高无人驾驶汽车的安全性和可靠性至关重要。激光雷达凭借其环境感知精度高，数据丰富，环境鲁棒性强的特点被广泛应用于感知系统中。在结构化道路下路沿界定了道路边界的位置，并且路沿特征对于路径规划和导航定位还具有不可或缺的作用。障碍物检测精度将直接影响决策规划系统在当前驾驶场景下采用何种行为决策，决定了无人车是否能够安全行驶。对此本文将利用激光雷达围绕路沿与障碍物检测方法展开研究，具体工作内容如下： 1.点云预处理。将激光雷达坐标系转换至车辆坐标系，得到在车辆坐标系下的点云信息，针对原始点云中存在的噪点与干扰点会影响到后续路沿特征的提取和障碍物检测精度问题，对点云进行滤波处理。并对点云进行地面分割，得到地面点云与非地面点云，分别用于路沿和障碍物检测工作。 2.路沿检测。针对路沿检测中路沿点提取时采用单一特征或多个特征互不关联导致的路沿点误检问题，融合多个路沿空间特征，提出了一种基于自适应多特征融合的路沿检测方法；对于障碍物遮挡造成的路沿漏检，利用Rao-Blackwellized粒子滤波跟踪器对路沿点进行跟踪预测，可以有效解决路沿点漏检问题，提高路沿检测精度，准确检测出道路边界信息。 3.障碍物检测。针对传统欧式聚类算法固定的邻域搜索半径对目标点云进行聚类时出现的欠分割与过分割，导致障碍物检测精度较差的问题。充分分析障碍物点云分布特点，对传统欧式聚类算法进行改进，提出了一种基于动态邻域搜索半径的欧式聚类算法，能够有效解决点云聚类时邻域搜索半径设置不当造成的欠分割与过分割，提高障碍物检测精度。同时在聚类过程中还通过点云强度特征对聚类目标进行约束，降低点云聚类欠分割，并利用提取的道路边界位置滤除无关障碍物点云，改善障碍物检测准确率和实时性。 4.实验与分析。对所提出的路沿与障碍物检测方法分别进行了多场景实验验证。实验结果表明所提出的路沿检测方法能够有效解决路沿点误检与漏检问题，可以准确提取出道路边界位置，满足无人驾驶车辆对路沿检测精度要求。多场景障碍物检测实验表明所提出的障碍物检测方法可以有效解决点云聚类过程中的出现欠分割与过分割问题，提高了障碍物检测精度，改善了无人驾驶车辆的安全性。 |
| 作者： | 周松林 |
| 专业： | 车辆工程 |
| 导师： | 王其东 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
