详情

原文传递基于激光雷达的障碍物感知方法研究

论文题名：	基于激光雷达的障碍物感知方法研究
关键词：	智能汽车;激光雷达;障碍物检测;障碍物跟踪;地面点云分割
摘要：	随着智能驾驶技术的不断发展，智能汽车对行驶环境信息的感知提出了更精确的要求。环境感知系统作为智能汽车的“眼睛”，需要实时提供准确的障碍物目标状态信息，以确保智能汽车的安全行驶。激光雷达因能实时提供三维点云信息，且具有探测范围广、抗干扰能力强等特点，在环境感知中具有重要的研究意义和应用价值，而基于激光雷达点云的障碍物检测和跟踪是智能汽车动态环境感知研究中的关键问题之一。故根据环境感知系统的需求和激光雷达的工作特性，构建基于激光雷达的障碍物检测和跟踪的感知系统。针对障碍物检测时存在相邻障碍物欠分割、不同距离障碍物过分割，以及多目标错误关联跟踪等问题，本文对基于激光雷达的障碍物感知算法进行研究，并通过实车实验，验证该算法的可行性和实时性，主要研究内容如下：　　（1）激光雷达标定和数据预处理。本文采用多平面标定法，激光雷达同时扫描三个平面，根据感知平面的三种不同姿态，求解出变换矩阵，完成激光雷达的外参标定。为提高计算效率，采用直通滤波和体素滤波降低点云量。　　（2）地面点云分割。针对目前地面分割算法无法正确分割斜坡路面，本文提出了一种有效的地面点云分割方法。根据激光雷达的扫描特性，构建变尺寸的圆环模型，对其进行平面提取得到地面点云，并通过设计地面似然估计对提取的地面点云进行最终估计。实车验证表明，该方法能够有效分割出斜坡等不同路况的地面点云，鲁棒性高，且实时性较好。　　（3）障碍物检测。针对目前障碍物检测算法存在的相邻障碍物欠分割、不同距离障碍物过分割等问题，本文提出了基于多约束的自适应密度聚类算法（Multi-constraintadaptiveDensity-BasedSpatialClusteringofApplicationwithNoise，MCA-DBSCAN）。首先将点云存储为距离图像，第一阶段采用连通邻域标记法进行粗分割，第二阶段采用MCA-DBSCAN聚类算法对粗分割得到的多障碍物点云簇进行细分割，得到单个障碍物点云簇。采用有向包围盒（OrientedBoundingBox，OBB）提取障碍物的外形特征和航向，完成障碍物检测。实车实验表明，该方法能够正确分割不同距离障碍物和相邻障碍物。相比于基于栅格的DBSCAN聚类算法(Grid-basedDBSCAN，G-DBSCAN)，MCA-DBSCAN聚类算法检测召回率提高了9.9%，算法计算效率提高了42.5%。　　（4）动态障碍物目标跟踪。针对复杂多变的行驶环境，在目标跟踪时会出现错误数据关联和计算量爆炸等问题，本文采用基于目标多特征的跟踪门，筛选出可能与目标相关联的量测，利用联合概率数据关联算法和扩展卡尔曼滤波算法对动态障碍物状态进行预测和估计，并设计了轨迹跟踪器，实现对障碍物的稳定跟踪。通过实车实验，证明了本文跟踪算法的稳定性和实时性。
作者：	黎天骄
专业：	工程(车辆工程)
导师：	袁春;郭宗环
授予学位：	硕士
授予学位单位：	重庆理工大学
学位年度：	2023