基于激光里程计的无人驾驶汽车位姿估计研究

《基于激光里程计的无人驾驶汽车位姿估计研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号:U27;U4610710-2015122039硕士学位论文基于激光里程计的无人驾驶汽车位姿估计研究吴学易导师姓名职称林国庆副教授申请学位类别工学硕士学科专业名称车辆工程论文提交日期2018年4月17日论文答辩日期2018年6月3日学位授予单位长安大学StudyonthePositionEstimationofAutonomousVehicleBasedonLaserOdometerAThesisSubmittedfortheDegreeofMasterCandidate：WuXueyiSupervisor：Prof.LinGuoq

2、ingChang’anUniversity,Xi’an,China摘要在无人驾驶汽车行驶过程中，如何为无人驾驶汽车提供实时高精度位姿估计一直是其研究领域中的核心问题。常用的GPS定位系统能够为无人驾驶汽车提供较高精度的位姿(位置与航向角)估计，但定位效果依赖卫星信号、易受周围环境干扰，因此通常引入车辆航迹推算信息进行补偿，然而对于三维运动车辆如何估计短时间内车辆位姿的相对变化是问题的关键。因此本文针对无人驾驶汽车相对位姿估计问题展开研究，提出了基于激光里程计的位姿估计算法框架实现无人驾驶汽车相对位姿估计，主要工作如下：(1)本文激光里程计

3、以静态障碍物为特征，首先基于16线激光雷达，提出一种无人驾驶汽车行驶环境中障碍物检测方法。针对激光扫描环境中不同障碍物模型得到的三维点云分布差异问题，通过基于不同障碍物特征检测方法进行障碍物检测，从而有效提高障碍物实时检测效果。(2)为实现去除动态障碍物的不利影响，运用汽车里程计模型和Kalman滤波器，对障碍物模型进行位姿预测，并对不同帧间障碍物进行匹配关联，使用静态障碍物模型时空无突变特性将动态障碍物滤除。从而实现利用静态障碍物为特征求解相邻帧间车辆位姿相对变化，进一步实现局部环境中的激光里程计。实车实验结果表明，针对无人驾驶汽车相对

4、位姿估计问题，本文所提算法能在实际场景中为无人驾驶汽车提供实时高精度相对位姿估计，本文利用高精度GPS定位结果作对比，实验结果表明定位误差在15cm内，验证了本文激光里程计的可靠性。关键词：无人驾驶汽车，障碍物检测，激光里程计，位姿估计iAbstractInthedrivingprocessofautonomousvehicles,howtoprovidereal-timeandhigh-precisionpositionestimationforautonomousvehicleshasalwaysbeenthecoreproblemi

5、ntheresearchfield.ThecommonlyusedGPSpositioningsystemcanprovideahigh-precisionpositionestimationforautonomousvehicles,butthepositioningeffectdependsonsatellitesignalandiseasilydisturbedbythesurroundingenvironment.sothevehicletrackestimationinformationisusuallyintroducedto

6、compensatetheerror,However,forthree-dimensionalmovingvehicles,howtoestimatetherelativechangeofvehiclepositioninshorttimeisthekeytotheproblem.Aimingattherelativepositionestimationofautonomousvehicles,andthepositionestimationalgorithmbasedonlaserodometerisproposedtoestimate

7、therelativepositionofautonomousvehicles,themainworkisasfollows:(1)Inthispaper,thelaserodometerischaracterizedbystaticobstacles.Firstly,basedon16wirelaserradar,anobstacledetectionmethodindrivingenvironmentofautonomousvehicleisproposed.Aimingatthedifferenceofthreedimensiona

8、lpointclouddistributionindifferentobstaclemodelsinthelaserscanningenvironment,theobstacledetecti