基于激光雷达点法向量的车辆实时位姿估计

为解决复杂交通场景下激光雷达获取运动车辆点云残缺而导致位姿信息难以提取的问题,提出一种基于点法向量特征的动态刚性目标实时位姿估计方法.利用最小二乘拟合算法求解目标表面点法向量,采用自适应聚类算法求解点法向量聚簇中心数量,求取聚类点拟合平面,选择互相垂直的平面代表点法向量分别作为待测目标所属坐标系内X轴和Y轴,通过运动学...     

基于激光雷达的3D目标检测研究综述

近年来,随着自动驾驶技术的快速发展,智能汽车对于环境感知技术的需求也越来越高,由于激光雷达数据具有较高的精度,能够更好的获取环境中的三维信息,已经成为了3D目标检测领域研究的热点。为了给智能汽车提供更加准确的环境信息,对激光雷达3D目标检测领域主要研究内容进行综述。首先,分析了自动驾驶车辆各种环境感知传感器的优缺点;其次,根据3D目标检测算法中数据处理方式的不同,综述了基于点云的检测算法和图像与点云融合的检测算法;然后,梳理了主流自动驾驶数据集及其3D目标检测评估方法;最后对当前点云3D目标检测算法进行总结和展望,结果表明当前研究中2D视图法和多模态融合法对自动驾驶技术发展的重要性。     

转向避撞工况下装载激光雷达车辆的障碍物跟踪

目前车载激光雷达对周围障碍物的感知与定位多基于车辆坐标系,当车辆转向避撞时,由于航向角的变化和车辆坐标系的旋转,会增加障碍物数据关联、周边车辆运动状态分析和避撞路径规划的难度.为消除车辆转向带来的不利影响,本文中基于车载激光雷达坐标系的变换,提出了一种目标障碍物的跟踪方法.首先,采用改进的K-means算法对提取的道路...     

基于雷达测距的车辆识别与跟踪方法

本文中提出了一种基于雷达测距的车辆识别与跟踪方法,以准确地识别道路上的车辆目标。首先对采集到的每帧数据采用自适应距离阈值的方法进行聚类分析。在聚类内部采用端点迭代拟合算法提取线段,在此基础上得出目标的特征向量,并据之识别车辆目标。然后通过计算特征向量的代价函数进行多目标关联,利用卡尔曼滤波器根据关联结果更新目标的状态。最后,以智能车辆BJUT-IV配备LMS291激光雷达在校园道路上对本方法进行验证测试,结果表明,提出的方法能够准确地对多个行驶车辆进行跟踪。     

基于LabVIEW和激光雷达的智能车辆障碍物检测

将LabVIEW引入智能车辆研究与应用领域,提出基于LabVIEW和激光雷达的智能车辆障碍物检测系统。该系统采用激光雷达探测智能车辆前方的物体,测到的距离数据经串口传输至计算机（LabVIEW）后,由LabVIEW对数据进行处理和分析,完成智能车辆前方障碍物检测。该系统设计了激光雷达控制、串口VISA操作、数据采集、处理及存储、直角坐标和极坐标图像、障碍物检测等程序。实验结果表明,该方案是可行的,可以作为研究智能车辆技术的一种新的方法。     

基于三维激光雷达的智能车辆SLAM技术研究

智能车辆实现自主导航的必要条件之一是定位技术,目前基于三维激光雷达的同步定位与建图（SLAM）技术是定位技术的主流方案。文章从三维激光SLAM的算法框架和关键模块进行总结,具体讨论了扫描匹配、后端优化、闭环检测、地图构建等关键模块的常用算法及改进;综述了几种开源的三维激光SLAM,并对比了其优缺点;对在应用中激光雷达局部点云稀疏、Z轴的漂移以及动态对象引发的噪声影响等关键性问题进行了分析阐述;指出了基于三维激光雷达的SLAM与深度学习相结合、多传感器融合是未来三维激光SLAM的发展和研究方向。     

基于小型化YOLOv3的实时车辆检测及跟踪算法

为了研究现有车辆目标检测算法的检测精度与检测速度相矛盾的问题,提出了一种小型化的改进YOLOv3深度卷积网络的实时车辆检测及跟踪算法。采用构建卷积层数少的网络架构以及进行多目标跟踪的方法,分析了大网络模型结构时正向推理速度慢、小网络模型结构时检测精度低的原因。在不同尺度卷积特征多层次提取车辆特征信息来保证准确率的基础上,利用K-means++算法改进聚类先验框中心点的提取,同时借鉴darknet19骨干网络结构,构建一种网络深度更小的基础卷积网络结构,采用更少的重复残差块结构单元,使网络模型结构小型化。在采用卡尔曼滤波算法对目标检测后下一时刻的车辆位置进行跟踪的基础上,利用匈牙利匹配算法进行分配关联视频相邻帧中的车辆,确定被检测目标唯一标签ID,实现对多个目标的精确定位与跟踪,以此改善检测不连续、漏检、目标被遮挡等检测不稳定的情况。结果表明:在实车自采集数据和公开数据集KITTI上进行测试,相较于YOLOv3网络,在平均准确率基本保持不变情况下,网络参数减小,网络模型大小缩小为1/4,为57.2 MB,检测速度提高一倍,达到101.7 f/s。整体算法检测速度达到11.3 ms/帧,检测率为97.50%。该小型化网络检测跟踪算法在复杂道路环境中有较强的鲁棒性,可以满足实际智能驾驶过程中对车辆检测跟踪的精度、速度的要求。     

基于行为融合的无人自动驾驶车辆的智能控制

针对动态环境下无人自动驾驶车辆控制的非线性、时变的特点,提出并设计了一种基于行为融合的无人驾驶车辆的智能控制策略。根据车辆行驶基于模糊逻辑方法设计了一系列的基本行为模式,用模糊控制的方法分别建立各行为模式控制器,进而对车辆的方向和速度进行控制。在行为选择机制设计中,对常用的行为竞争和行为融合2种方法进行分析比较后,提出限制各行为模式的使用范围,通过各行为的控制和融合,既达到有效避障,又能完成行驶目标的目的。通过几种典型障碍物环境下的避障仿真实验,结果显示设计达到了预期效果。     

基于视觉标记板的自动驾驶车辆激光雷达与相机在线标定研究*

针对传统的高清相机和激光雷达外部参数手动或半自动化标定程序繁琐和耗时问题,提出一种适用于地面无人平台车载激光雷达和相机在线自动标定的方法,以安装标记板(Marker)的移动车辆为标定目标,实现车辆的快速识别和位姿估计。同时获取在两种传感器中得到的位姿估计结果,利用经典的定向求解方法计算得到相机与激光雷达之间的刚性转换关系,并在真实城区环境中利用最优评估优化减小标定误差,试验结果证明了所提方法的准确性与可靠性。     

基于激光雷达的无人驾驶车前方障碍物检测

无人驾驶车在越野条件下的环境感知技术是其实现自主导航功能的难题.由于越野环境复杂,障碍物种类繁多,对智能车周围环境的探测更是难上加难.选择越野环境下几种典型的障碍物作为检测目标,采用基于激光雷达面扫描的方法获取无人驾驶车前方路面图像信息,根据障碍物对于激光数据的不同特征,检测无人驾驶车前方静止的障碍物,主要包括水塘、石头或陡坡以及树木等.利用激光可直接测得障碍物距离数据的优势,基于投影变换原理进而求得障碍物的长、宽或高等三维信息.     

无人驾驶车辆轨迹跟踪控制研究

为了提升智能车辆在轨迹跟踪控制中的性能,文章基于车辆运动学模型建立了一种带有前馈补偿和反馈最优控制策略的线性二次型调节器(LQR)轨迹跟踪控制算法。并通过搭建Carsim/Simulink联合仿真模型,验证该算法在不同工况下的轨迹跟踪效果。结果表明,该算法在不同车速和不同路面附着条件下都能保证无人驾驶车辆准确地跟踪参考轨迹,且具有较强的鲁棒性。     

基于Storm的车辆实时预警功能

随着人们生活水平不断提高,车辆总数迅速增加,道路交通安全成为了一个必须妥善解决的社会现象。该如何及早发现常见故障、如何有效把握车辆状况、如何做到汽车提前预警,确保驾驶员安全性成为了大家需要考虑的问题。基于以上难题,应用大数据Storm技术的预警功能应时而生。本文介绍预警标准、数据周期时间、数据清洗及计算节点。     

基于体素柱形的激光雷达点云车辆目标检测算法

环境车辆是自动驾驶汽车行驶时的主要障碍物之一,对环境车辆的尺寸、位置、朝向等空间信息进行感知对于保障行驶安全具有重要意义。激光雷达点云数据包含了场景中物体表面扫描点的三维坐标,是实现车辆目标检测任务的重要数据来源。结合SECOND与PointPillars方法,提出一种基于体素柱形的三维车辆目标检测模型,利用三维稀疏卷积聚合点云局部特征,在体素特征图上构造柱形并进行特征编码,有效解决点柱形方法缺乏柱形间特征交互问题,增强点云特征的空间语义信息;基于均值池化操作生成锚框点云占据位图并提出一种简单负样本过滤策略,在模型训练阶段筛除预设在无点云覆盖区域的无效锚框,缓解正负样本或难易样本不均衡问题;在目标框回归模块中,使用类别置信度与交并比(IoU)预测值计算混合置信度,改善分类分支与位置回归分支结果不一致问题,并使用KITTI三维目标检测数据集进行模型训练与评估。研究结果表明：在严格判定标准下(IoU阈值设置为0.7),所提算法在简单、中等、困难3种难度级别下分别获得了89.60%、79.17%、77.75%的平均检测精度(AP_3D),与SECOND、PointPill...     

汽车雷达多目标跟踪的模糊数据关联

介绍了一种量测(新测目标)到目标(已知目标)之间的模糊数据关联方法，将模糊聚类均值方法和决策逻辑方法相结合，利用Mahalanobis距离代替聚类运算中的欧氏距离，使量测与目标预测值之间的相似性度量更准确，应用决策逻辑确定量测与目标预测值的关联关系。仿真表明这种方法简单，在杂波环境下，有较高的跟踪精度，这种方法可以用于道路条件下，基于汽车雷达的多目标的可靠跟踪。     

基于机载激光雷达的公路勘察设计

针对当前我国地形地貌复杂、生态植被茂盛的高速公路建设环境,研究并提出了基于机载激光雷达的全新公路勘测设计技术模式,实现了空中勘测到详测与施工图设计的直通车.应用表明:机载激光雷达可代替野外断面测量,减少测设环节,满足详测与施工图设计要求,是公路勘察设计的重大创新.     

基于高效NMPC算法的无人车轨迹跟踪控制研究

本文针对无人车在复杂工况下,非线性程度增加和动力学约束导致的轨迹跟踪控制精度差和求解效率低的问题,提出一种高效的非线性模型预测控制（nonlinear model predictive control,NMPC）算法。首先考虑车辆模型的非线性因素,建立动力学和魔术轮胎模型,并将无人车终端状态整合到性能指标中,添加稳定性范围内多约束条件,通过障碍罚函数法处理非线性不等式约束,保证了求解过程的平滑性。然后为减轻求解非线性优化问题带来的计算负担,提出了一种新颖的连续/广义最小残差算法（improved continuation/generalized minimal residual,improved-C/GMRES）,与传统的C/GMRES算法相比,通过引入连续增加的惩罚因子加快了数值计算的求解效率,降低算法的计算负担。最后通过Simulink和CarSim的联合仿真,在双移线工况和蛇行工况条件下验证跟踪精度和求解效率,结果表明与传统的C/GMRES方法相比,所提控制方法明显提升轨迹跟踪的控制精度和改善行驶稳定性,并加快数值求解效率。     

高速公路车辆防追尾碰撞系统的设计与控制研究

针对汽车追尾碰撞事故频发和事故中驾乘人员头颈部易受损伤等问题,利用激光雷达测距和机电控制相结合的技术,提出了一种车辆防追尾碰撞系统,对高位制动灯和主动式头枕进行控制。首先利用激光雷达和本车状态信息对行车环境进行预测;接着对后车分液压和气压两种制动形式进行行车安全车距的分析,推导出临界安全车距的计算公式;最后通过AT89C51单片机系统预设的程序,将实际行车间距与临界安全车距进行比较,并据此控制高位制动灯的开闭和主动式头枕控制系统的执行。所提出的方法有较好的工程实用性。     

考虑参数不确定性的无人车预设性能路径跟踪控制

为保证无人车在参数不确定性影响下的路径跟踪具有预设控制精度,提出一种具有预设跟踪误差性能的路径跟踪输出反馈控制方法。根据横向预瞄偏差建立了路径跟踪二阶误差积分系统,在考虑轮胎侧偏刚度参数摄动及车辆横向速度未知的情况下,利用扩张状态方法建立了含有复合未知项的控制模型,再通过设计线性扩张状态观测器对系统未知状态和模型不确定项进行估计,并进一步证明了观测误差的一致有界收敛性。针对无人车路径跟踪瞬态和稳态性能无法满足预设精度的问题,结合观测器估计值提出了一种具有预设性能的路径跟踪输出反馈控制器,并根据Lyapunov理论对闭环系统稳定性进行了严格证明。Matlab/Simulink仿真结果表明,所设计的控制策略能保证车辆以预设控制性能跟踪上期望路径,进一步在硬件在环仿真试验台上进行验证,结果表明所设计方案能严格保证横向跟踪偏差位于安全边界之内并具有较强的鲁棒性。