基于无人车环境感知信息的gis动态更新算法研究

《基于无人车环境感知信息的gis动态更新算法研究》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、基于无人车环境感知信息的GIS动态更新算法研究许谦2015年1月中图分类号：TP274UDC分类号：621.3基于无人车环境感知信息的GIS动态更新算法研究作者姓名许谦学院名称自动化学院指导教师王美玲教授答辩委员会主席张长泉教授申请学位工学硕士学科专业控制科学与工程学位授予单位北京理工大学论文答辩日期2015年1月21日ResearchontheDynamicUpdateAlgorithmofGISBasedonEnvironmentalPerceptionofAutonomousCarCandidateName：XuQianSchoolorDe

2、partment:SchoolofAutomationFacultyMentor:Prof.WangMeilingChair,ThesisCommittee：Prof.ZhangChangquanDegreeApplied:MasterofEngineeringMajor：ControlScienceandEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence：January21,2015研究成果声明本人郑重声明：所提交的学位论文是我本人在指导教师的指导下进行的研究工作获得

3、的研究成果。尽我所知，文中除特别标注和致谢的地方外，学位论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京理工大学或其它教育机构的学位或证书所使用过的材料。与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。特此申明。签名：日期：北京理工大学硕士学位论文摘要无人驾驶车辆是当前自主机器人领域一个研究热点。自主导航是研究无人驾驶车辆需解决的核心问题之一，精确的导航应该搭配精准的环境地图，地理信息系统可以为无人驾驶车辆提供内容详实、位置准确的地图，并且可以实时地规划路径。建立面向无人驾驶车辆的地理信息

4、系统，对于实现其安全快速地到达目的地和局部导航避障，具有重要的研究意义。本文基于无人驾驶车辆环境感知信息研究地理信息系统动态更新问题，论文从感知目标的三维定位、车辆定位算法和基于最小二乘法的GIS动态更新等方面展开研究工作。主要研究成果如下：（1）通过3D激光雷达和摄像头获取无人驾驶车辆环境感知信息，基于视觉感知和激光感知进行三维定位，获取感知目标相对于无人驾驶车辆的位置。构建环境感知质点模型，采用质点代表交通信号灯、交通标志等环境感知目标，便于面向无人驾驶车辆的GIS动态更新的研究。（2）提出一种无人驾驶车辆定位算法，获取无人驾驶车辆的绝对位置

5、。该算法包括宏观道路匹配和微观精确定位两个方面。宏观上，根据GPS数据和地图中的道路网络信息，基于计算几何算法把车辆匹配到道路上；微观上，利用无人驾驶车辆检测到的环境感知信息进行车辆精确定位。（3）基于感知目标的相对位置和无人驾驶车辆的绝对位置，提出一种基于递推最小二乘法的GIS动态更新算法。把环境感知质点和环境感知区域添加到GIS中，实现基于环境感知信息的GIS动态更新。应用递推最小二乘法，估计环境感知质点位置信息，减小随机误差。实际跑车实验结果表明，本文提出的无人驾驶车辆定位算法的道路匹配成功率为99%，单点匹配时间在2毫秒内，定位点匹配到车

6、道内，精度约为1米。把环境感知质点和环境感知区域添加到GIS中，完成了基于无人驾驶车辆环境感知的GIS动态更新。关键词：无人驾驶车辆；地理信息系统；环境感知信息；三维定位；地图匹配；最小二乘法I北京理工大学硕士学位论文AbstractDriverlesscarisahotspotinmobilerobotstudy.Autonomousnavigationisimportantfordriverlesscars.Accurateautonomousnavigationisbasedontheaccurateenvironmentalmap.Geo

7、graphicInformationSystem(GIS)canprovideanaccuratemap,andplanpathsforandriverlesscar.ThusitissignificanttoestablishGISfordriverlesscars.WiththehelpofGIS,driverlesscarcandrivesafelyandquickly.FortheresearchonthedynamicupdatealgorithmofGISbasedonperceptioninformation,thisdissert

8、ationmainlyfocusesonthree-dimensionallocalizationofperceptionobject,