面向地铁场景的激光雷达目标检测研究

针对列车运行前方限界难以实时构建、非结构化轨道道路环境目标聚类检测复杂等问题,提出一种基于激光雷达的目标检测及前方界限实时构建系统。首先,采用了空间换时间的策略提升轨道提取效率,利用轨道局部高程信息、全局几何平行信息并融合多帧信息实现轨道稳定提取,从而基于提取的轨道位置实时构建列车通行的前方限界;其次,基于点云深度图、梯度与距离特征解决了非平铺路场景下的障碍物聚类问题,采用航迹信息进行多目标跟踪提高目标跟踪的稳定性。通过在地铁场景实车测试验证,结果表明该方法能够准确可靠地提取轨道位置和进行目标检测与跟踪。     

露天矿山运输无人驾驶系统综述

针对矿山运输作业具有计划性、组织性、封闭性的突出特点,提出了矿山运输无人驾驶系统的作业组织模型以及外部接口,梳理了系统设计需重点考虑的问题。在此基础上提出了矿山运输无人驾驶系统由地面管理与监控系统、车载自动驾驶系统和数据通信系统3个子系统组成的系统架构,分析了该系统构架下各子系统应具备的功能,并概要描述了矿山运输无人驾驶系统的作业场景。露天矿山运输无人驾驶系统的研究成果可向具有同类特点的其他领域推广。     

基于运动约束的激光雷达与车体坐标系旋转参数标定

激光雷达是智能网联汽车环境感知的重要传感器,多坐标系空间标定是激光雷达精准环境感知的前提条件。针对激光雷达与车体坐标系空间同步面临传感器观测单一的问题,提出基于激光雷达与车辆的平面运动和直线运动约束2步标定方法。为构建运动约束,基于激光里程计获取激光雷达运动位姿信息,通过激光雷达运动轨迹信息和时域上多帧地面平面拟合信息进行平面行驶识别,在满足平面路况下构建平面运动约束标定,进而标定横滚角与俯仰角;基于俯仰角和横滚角对车辆轨迹进行修正,通过激光运动轨迹建立直线行驶判别模型判别车辆运动状态,在满足车辆直线行驶路况下构建直线运动约束,从而标定偏航角。最后,在智能驾驶试验车上开展了激光雷达与车辆坐标系标定的实车试验,通过实车采集的数据验证了提出的空间同步方法的可行性。试验结果表明：提出的激光雷达与车体坐标系标定方法优于基于标定物的方法,在原始数据上可以保证标定后的旋转误差降低至0.61,误差率降低约47.4%。在手动调整的扩充数据上标定后的旋转误差降至1.64,误差率降低约40.6%。相对于基于标定物的方法,其旋转误差均有降低且不需要借助特定的标定物与标定场,降低了对环境的依赖程度。同时通过消...     

特征稀疏场景下基于标签的车辆视觉SLAM

在智能车辆的同时定位与建图中，视觉特征点法通过对特征点的提取和匹配进行车辆位姿估计，但当环境缺少纹理或动态变化时，场景的特征稀疏、稳定性差，基于自然特征定位易导致精度下降甚至定位失败。在环境中加入视觉标签可有效解决特征稀疏问题，但基于视觉标签的定位方法高度依赖人工标定，且常因视角变化出现位姿抖动，影响定位的精度。为此，本文提出了一种基于标签的车辆视觉SLAM方法，充分利用标签信息，引入内外角点约束降低标签位姿抖动，同时借助视觉里程计建立低漂移、全局一致的地图；在定位时基于标签估计车辆位姿，并联合优化标签地图与车辆位姿，从而构建低成本、高鲁棒的视觉SLAM系统。试验结果表明，本文方法使用内外角点约束有效降低了标签的位姿抖动，使标签建图精度的提升率超过60%，定位精度的平均提升率超过30%，显著地提高了基于标签定位的精度与鲁棒性，有利于智能车辆的安全运行。