基于激光雷达的智能车主动安全算法与模型研究

摘要

智能汽车主要通过环境感知系统实现车辆的安全行驶。本文通过分析车载激光雷达采集的数据，基于直线特征提取的改进算法为智能车提供前方路面环境的感知信息，并为智能车行驶的主动安全模型提供参考，辅助汽车实现驾驶安全。本文的主要工作和成果总结如下：
　　 ⑴利用车载激光雷达所采集的数据，在连续边缘跟踪法(SEF)、最小二乘法(LSM)和融合算法SEF-LSM的基础上，提出了一种改进的直线特征提取算法SEF-LSM-BM。该算法引入一种回退机制(Back-offMechanism)、逻辑推理和特征合并(Merge)的方法，区分路边界和障碍物，并对车辆可通行区域进行检测。使用同一帧激光雷达数据对4种算法进行了实验，结果表明:与SEF、LSM和SEF-LSM算法相比，SEF-LSM-BM算法能够快速准确地检测、合并路边界，标记高危障碍物，给出可通行区域。
　　 ⑵基于车辆矩形边的直角特征，采用直角匹配算法PERP提取特征直线、检测前方车辆目标，相较于二次拟合(Fitting)、SEF、LSM其他三种算法，其处理速度提高120～160倍，匹配结果能够较好地匹配前方车辆目标的矩形特性，误差的平方和在保证正确性的基础上维持在较低的水平。结合毫米波雷达的测量信息，得到前方车辆目标的距离、相对角度、相对速度。
　　 ⑶分析计算车辆经典制动过程中的各阶段物理量，各车速下近似制动加速度值相比于国家标准，准确率达到99.9％以上，验证了近似后的安全行驶模型的正确性。以制动后智能车与前车的距离为关键参数，为智能车建立了主动安全模型。以临界安全车距为阈值的安全度估计值，相比于以极限车头间距为阈值，同时考虑了智能车和前方车辆目标的运动状态，使安全车距阈值有更好的灵活性，主动安全模型具有更好的适应性。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 国内外智能车发展现状

1．2．1 国外发展现状

1．2．2 国内发展现状

1．3 激光雷达的障碍物检测

1．3．1 越野环境

1．3．2 城市环境

1．4 交通事故危害与车辆主动安全技术

1．4．1 交通事故危害

1．4．2 汽车安全技术发展趋势

1．4．3 智能车主动安全技术

1．5 研究内容与组织结构

第二章 激光雷达测量预处理

2．1 激光雷达介绍与实验准备

2．1．1 激光雷达测距原理

2．1．2 激光雷达参数选择

2．1．3 激光雷达的安装

2．1．4 实验环境与平台

2．2 数据预处理

2．2．1 极坐标-直角坐标转换

2．2．2 感兴趣区域的选取

2．2．3 最大估计误差

2．3 本章小结

第三章 车辆可通行区域检测

3．1 引言

3．2 经典算法提取特征直线

3．2．1 连续边缘跟踪法

3．2．2 最小二乘法

3．2．3 经典算法的缺陷

3．3 改进算法检测可通行区域

3．3．1 融合算法SEF-LSM

3．3．2 改进算法SEF-LSM-BM

3．4 实验结果

3．5 本章小结

第四章 前方车辆目标检测

4．1 引言

4．2 智能车运动学模型

4．2．1 理想运动学模型

4．2．2 阿克曼转向模型

4．2．3 观测物坐标系转换

4．3 前方车辆目标检测

4．3．1 一般车辆匹配算法

4．3．2 车辆直角匹配算法

4．3．3 前方车辆检测阈值

4．3．4 目标匹配误差分析

4．3．5 车辆目标运动参数获取

4．4 实验结果

4．5 本章小结

第五章 车辆主动安全模型

5．1 引言

5．2 车辆安全行驶模型

5．2．1 制动过程数理分析

5．2．2 反应距离-制动距离

5．2．3 制动过程近似

5．2．4 制动性能标准

5．3 主动安全模型

5．3．1 制动车距建模

5．3．2 极限车头间距

5．3．3 临界安全车距

5．3．4 安全度估计

5．4 实验结果

5．4．1 近似制动数据与制动标准

5．4．2 两种主动安全模型对比

5．5 本章小结

第六章 总结与展望

6．1 总结

6．2 工作展望

参考文献

致谢

攻读学位期间主要的研究成果