基于三維激光雷達的障礙物檢測與跟蹤研究.pdf

1、本文主要針對結構化道路環(huán)境下車輛對周圍障礙物信息的感知需求，利用三維激光雷達進行障礙物檢測和跟蹤，為車輛主動制動、主動避障等提供障礙物的位置和狀態(tài)信息。
　　為了建立隨車輛位置變化而變化的感興趣區(qū)域，文章首先利用攝像頭檢測車輛前方車道線，并計算自車左、右車道線位置，從而獲得感興趣區(qū)域的橫向動態(tài)邊界?？紤]到柵格地圖分辨率對障礙物檢測的影響，通過分析激光雷達的水平分辨率來確定其值大小。為了激光雷達相關定位參數(shù)測量時的可實施性，建立激光

2、雷達坐標系、車體坐標系、圖像坐標系以及三個坐標系之間的轉換關系，并將激光雷達數(shù)據(jù)向二維圖像中投影，獲得柵格地圖。接著分析了激光雷達原始點云數(shù)據(jù)中噪聲點的產(chǎn)生原因，并針對柵格地圖的灰度特征，對傳統(tǒng)中值濾波算法進行改進。在此基礎上，分別運用最值高度差法和基于柵格最值的占領柵格法對柵格地圖進行背景點云分割，去除對車輛安全行駛影響較小的地面點云數(shù)據(jù)，得到只包含障礙物點云數(shù)據(jù)的障礙物柵格地圖。
　　進一步的，為了減小障礙物點云數(shù)據(jù)之間的距離

3、，加強點云數(shù)據(jù)之間的關聯(lián)性，引入形態(tài)學運算對障礙物柵格地圖進行預處理操作。接著提出一種基于鄰域搜索的密度聚類標記算法，對障礙物柵格地圖中的點云數(shù)據(jù)進行聚類。運用方框模型對聚類結果進行參數(shù)化建模，提取障礙物位置信息以及狀態(tài)信息。考慮到每幀激光雷達數(shù)據(jù)中不只包含一個障礙物，結合相鄰幀的相同障礙物點云形態(tài)近似，而不同障礙物點云形態(tài)差別較大的特點，利用一種多特征的最近鄰算法并引入關聯(lián)矩陣對前后幀障礙物列表中的障礙物進行關聯(lián)。最后提出基于動態(tài)特性