原文传递
基于三维点云的智能汽车高速公路障碍物识别研究研究
| 论文题名： | 基于三维点云的智能汽车高速公路障碍物识别研究研究 |
| 关键词： | 智能汽车;激光雷达;点云预处理;欧式聚类;障碍物识别 |
| 摘要： | 智能汽车作为解决交通安全、节能和环保等问题的解决方案，是汽车产业发展的重要方向。感知系统作为智能汽车获取外界信息的起点，它能够感知周围环境信息，为智能汽车的决策系统提供信息。激光雷达相较其他车载传感器具有分辨率高、抗干扰能力强等优点，被广泛应用在智能汽车中。本文选用Velodyne公司开发的VLP-16激光雷达作为采集设备，实现高速公路场景下三维点云的障碍物识别，具体研究内容如下： 1．搭建了智能汽车实车测试平台，详细了解激光雷达的结构、工作原理及其数据结构，完成了VLP-16原始数据到点云的转化。并对点云进行合理裁剪，减少后续算法的处理负担。 2．点云数据量大且存在一些噪声点云，所以对原始点云进行了去噪、降采样等操作。实现了基于RANSAC算法和直通滤波融合的地面点云去除，在路面存在起伏度的情况下该方法具有良好的效果，提高了障碍物聚类的准确性。 3．探讨了基于密度和距离的聚类方法，为了快速索引点云数据，利用PCL建立K-D树数据结构。改进了基于欧氏距离的聚类分割方法，通过设定相应的阈值提高聚类的准确性。比较了三种建立矩形包围框的方法，通过点云簇凸包法建立起了障碍物聚类的最小矩形包围盒，并对障碍物进行简单的分类。 4．在车辆目标识别方法中利用了Apollo开源模型，将点云投影为2.5D栅格图进行障碍物识别，提高了运算效率，保证了识别系统的实时性。在ROS系统下编写相关功能包，验证了方法的可行性和有效性，并通过实验反馈的结果开发相关节点以提高识别的准确性。 |
| 作者： | 唐超 |
| 专业： | 动力工程 |
| 导师： | 林业;王立星 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
