论文部分内容阅读
近年来无人驾驶环境感知技术成为人们的研究热点,而利用传感器实现障碍物的实时检测和智能车定位建图是实现智能车自主导航的基础。激光雷达由于精度高、可360°旋转获取周边环境点云数据,成为无人驾驶智能车的关键传感器。本文将激光雷达和多种传感器融合,研究设计并测试了基于激光雷达的多传感器智能车避障建图系统,主要的研究工作包含以下内容:1.针对激光雷达障碍物检测,分析二维激光雷达的点云特征,根据室内障碍物的随机性和激光雷达数据密度不均匀的特点,提出一种基于距离和密度的自适应阈值的聚类方法。通过中值滤波对激光雷达数据降噪,并进行坐标系变换等预处理,根据障碍物到雷达中心的距离和数据密度变化设置自适应阈值完成分割,并通过实验对算法验证。2.针对激光雷达定位建图,首先研究了SLAM的基本原理,分析基于滤波的SLAM系统的概率模型,并对系统坐标系建模,搭建全局坐标系、车体坐标系和传感器坐标系。根据车体运动学模型搭建里程计,并进行激光雷达扫描匹配。针对编码器里程计存在累积误差的问题,提出一种混合IMU的里程计校正方法,通过互补滤波融合数据获取姿态角。研究了RBPF粒子滤波算法的原理和关键步骤,并在MATLAB中对RBPF粒子滤波算法进行仿真实验,研究算法实现位置和路径估计的效果。3.搭建了基于激光雷达的多传感器智能车实验平台,包括上位机、底盘和远端PC三部分。底盘采用STM32F103ZET6作为处理器,L289N电机驱动通过PWM驱动直流减速电机,通过AB相增量霍尔编码器测速,PID控制器调速,通过运动学模型实现运动控制。多个红外和超声波传感器分布车身,实现基于中断的多重优先级避障。上位机使用ROS系统作为软件平台实现与底盘的数据传输、坐标变换和里程计。最后基于Gmapping算法将处理后的激光雷达数据和里程计数据进一步融合,构建智能车所处环境的二维栅格地图。4.平台搭建完成后,进行运动控制测试,并在实验室的走廊和室内进行障碍物检测实验和定位建图实验,实验结果验证了整个避障建图系统的有效性。图69幅,表7个,参考文献68篇。