详情

原文传递基于激光雷达的车前路面高程估计方法研究

论文题名：	基于激光雷达的车前路面高程估计方法研究
关键词：	车前路面;高程估计;卡尔曼滤波;固态激光雷达;轴前预瞄
摘要：	路面是车辆激励的主要来源，因此路面输入直接影响到汽车行驶的平顺性、乘坐舒适性以及操纵稳定性。提高这些性能的一个有效的方式是通过预瞄控制来调节车辆的主动悬架系统或半主动悬架系统。预瞄控制方法分为轴间预瞄控制和轴前预瞄控制，轴间预瞄控制通过感知车辆前轮的振动来控制车辆后悬架，由于控制算法计算、传感器采集数据延迟及作动器响应时间等因素会造成控制迟滞。轴前预瞄控制可以有效的解决上述问题但需要得到车辆前方的路面信息作为输入。目前，针对车辆的轴前预瞄控制的研究集中在控制算法的开发中，对车辆前方路面高程信息的获取研究较少。因此本文对车辆前方路面高程估计方法进行研究，实时估计车辆前方高程信息，得到的车前路面高程信息可以用于车辆的轴前预瞄控制系统中以提高车辆行驶中的各项性能。　　本文提出了一套车辆前方路面高程估计系统。该系统采用固态激光雷达(solid-stateLightDetectionAndRanging,solid-stateLiDAR)以及惯性测量单元(InertialMeasurementUnit,IMU)作为传感器，通过紧耦合的状态估计系统估计车辆在三维空间中的运动，并考虑运动不确定性建立车辆前方路面高程地图，最后通过实验验证了本文算法的有效性。本文的主要研究工作如下：　　1、针对本文提出的系统进行硬件平台的搭建以及软件算法开发。建立激光的传感器模型、IMU的测量模型以及运动学模型。并对本文中使用的激光雷达及IMU进行空间位置标定以及时间同步。　　2、针对本文所使用的固态激光雷达里程计精度差的问题，本文对激光雷达数据进行运动畸变校正并通过计算曲率的方式对原始激光雷达点进行了特征提取。考虑到固态激光雷达较小的视场角，将雷达反射率作为提取特征点的方式用来扩充特征点的数量，避免里程计的退化问题。　　3、为了进一步提高车辆位姿估计的准确性和鲁棒性，避免单一传感器位姿估计的缺陷。本文提出了基于激光雷达和IMU紧耦合的算法。使用误差状态卡尔曼滤波器融合来自激光雷达的定位信息以及IMU的信息并使用迭代卡尔曼滤波的方式进行求解，在保证实时性的前提下，获得更准确的卡尔曼增益，避免陷入局部最优解。　　4、为提高路面高程估计的精度，本文考虑到激光雷达传感器的噪声以及位姿估计的不确定度对路面高程估计的影响。根据激光雷达传感器模型，采用高斯噪声理论构建车前路面高程地图。根据估计的车辆位姿以及位姿估计不确定性对构建的地图进行预测更新。使用卡尔曼滤波的方式融合地图的测量值与预测值，对地图进行迭代。在此基础上运用置信椭圆理论实现对车前路面任意一点处高程值的提取。　　5、为了验证本文提出系统的性能，本文利用实车实验的方式采集了城市道路以及封闭园区的数据。使用Ubuntu18.04和ROS(RobotOperationSystem)操作系统基于C++语言进行算法开发。分别对车辆位姿估计算法以及车前路面高程估计方法进行了测试。经验证本文提出的系统在距目标物体5m处时精度可以达到95%，可满足悬架控制的需求。
作者：	王铭浩
专业：	车辆工程
导师：	郭孔辉
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023