详情

原文传递基于多传感器融合的车前地形实时重构技术研究

论文题名：	基于多传感器融合的车前地形实时重构技术研究
关键词：	车前地形实时重构技术;多传感器融合;卡尔曼滤波;特征提取
摘要：	近年来，随着智能驾驶汽车技术的快速发展和无人驾驶应用场景的不断丰富，智能车辆环境感知技术也在不断地面临着更高的挑战。车前地形实时重建技术是智能车辆环境感知的关键技术之一。相较于仅装备单一传感器的感知定位系统，结合了多传感器的定位感知系统往往具有更丰富的信息、更高的鲁棒性、更高的定位精度、更好的重构效果。　　当前，车前地形实时重建技术的水平定位精度不够精准，重建的模型色彩单一，缺乏真实丰富的色彩信息，并且没有针对道路区域进行分割，无法为智能驾驶车辆提供较好的感知。为解决上述问题，本文利用激光雷达、惯性测量单元、彩色相机等多个传感器，采用数据融合方式实现了车前地形实时2.5D重构，并通过搭建实验平台验证了系统的水平定位精度、重构效果、道路分割效果和实时性。论文主要完成的工作内容具体如下：　　1、为实现空间同步，本文首先进行了多传感器标定。本文采用张正友标定法标定相机内参，采用棋盘格平面标定法来标定外部参数，通过变换多次标定板的位姿来构建多组约束方程，求解方程就可以得到相机坐标系和激光雷达坐标系之间的齐次变换矩阵。利用相机内参矩阵和相机与激光雷达的外参矩阵，结合于激光雷达坐标系下三维点，便可找到图像物理坐标系下相应的二维像素点，将对应像素点的RGB值赋予给三维点，实现着色操作。　　2、完成总体方案设计，搭建硬件平台。系统基于车载的传感器（激光雷达、惯性测量单元、彩色相机）获取车前环境的雷达点云数据、图像数据以及车体的加速度和角速度等运动数据，通过迭代误差状态卡尔曼滤波算法解算得到车辆位姿数据，通过各传感器间的外部参数矩阵和内部参数矩阵，将各个传感器的数据转换到同一个坐标系下，最后根据获得的车辆位姿数据、雷达点云数据和图像数据完成车前的地形实时重构。　　3、为提高定位的精度，本文采用了基于迭代误差状态卡尔曼滤波的位姿估计方法。首先对点云进行数据预处理和点云特征提取，采用迭代的方式，首先针对运动导致的点云畸变现象，采用线性插值的方式计算位姿误差，进而消除点云畸变；接着对点云进行地面点分割，分别从地面点集和非地面点集中提取边线特征和面特征；接着基于迭代误差状态卡尔曼滤波的位姿估计方法，利用消除畸变之后特征点云和惯性测量单元的运动数据对车体位姿进行了估计。　　4、为实现车前路面重构，首先提出一种利用滑动窗口的方法构建车前局部点云地图，采用2.5D高程地图表达方式对地形进行了重构。对于2.5D高程地图，分别基于相机原始图像和地形高度值进行着色；基于Fast-SCNN语义分割网络实现车道区域识别，实现了对2.5D地形模型的车道区域分割,增强车辆感知能力，以支持未来的决策控制和路径规划；为了符合人类驾驶观察习惯，通过在3D场景中对地形模型进行投影获得驾驶视角的图像。　　5、设计完成了室外实车实验，分别进行了水平位姿估计精度实验、重构效果实验、道路分割实验、重构实时性测试，验证了本文算法的有效性。
作者：	陈建林
专业：	机械工程
导师：	张红彦
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023