基于二维激光雷达的无人运动平台环境感知方法研究

《基于二维激光雷达的无人运动平台环境感知方法研究》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、基于二维激光雷达的无人运动平台环境感知方法研究乔佳楠2016年1月中图分类号：TP242.6+2UDC分类号：528基于二维激光雷达的无人运动平台环境感知方法研究作者姓名乔佳楠学院名称自动化学院指导教师王军政教授答辩委员会主席王美玲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2016年1月Theenvironmentalperceptionofunmannedplatformbasedonthe2DlaserradarCandidateName：JiananQiaoSchoolorDepartment:Schoolof

2、AutomationFacultyMentor:Prof.JunzhengWangChair,ThesisCommittee：Prof.MeilingWangDegreeApplied:MasterofEngineeringMajor：ControlScienceandEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence:January,2016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的研究成果。尽我所知，文中除特别标注和致谢的地方

3、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随着现代化进程的加速推进，无人运动平台扮演着日益重要的角色，其中环境感知技术是无人运动平台中关键技术之一。为此，本文以旅行家二号试验车、二维激光雷达以及惯性传感集成模块为实验平台，针对无人运动平台的障碍物的检测以及无人运动平台的定位问题展开了深入讨论。在障碍物检测方面，本文以二维激光雷达数据为基

4、础，首先利用阈值滤波和改进的中值滤波算法对数据进行预处理，然后借助激光雷达数据的上下文丰富障碍物的数据量，最后通过聚类算法对障碍物进行了识别。同时本文提出利用凸包算法解决了聚类过程中存在的冗余聚类信息，这种方法大大提高了系统的鲁棒性。针对无人运动平台的定位问题。本文首先对无人运动平台的运动模型进行了分析，并确定了影响无人运动平台定位准确度的因素，然后通过IF-THEN模糊预测模型对无人运动平台的定位误差进行了估计。最后通过二维激光雷达前后帧特征数据对无人运动平台的定位估计进行了最优处理。数据结果显示基于模糊预测和二维激光雷达特征数据的定位算法要优于单纯

5、依靠惯性器件的定位信息。在无人运动平台的硬件及软件系统方面，本文以旅行家二号试验车为移动平台，通过SICK二维激光获取环境感知信息、ASV940惯性传感器集成模块获取运动信息、移动电脑进行算法运行。在软件方面，本文基于VS2010平台，实现了激光雷达数据实时采集功能界面、旅行家二号试验车的运动控制界面、惯性传感器集成模块信息显示界面以及算法功能选择界面。在实验过程中，本文分别在动态、静态环境中对障碍物识别算法进行了验证。实验表明，两类环境中CBFD聚类算法（基于峰值点的聚类算法）在聚类合理性上均优于K均值聚类算法和ISODATA聚类算法（迭代自组织数据

6、分析算法）。关键词：二维激光雷达；聚类算法；障碍物融合；定位算法I北京理工大学硕士学位论文AbstractWiththeaccelerationofmodernization,theunmannedplatformisplayinganincreasinglyimportantrole,andtheenvironmentperceptiontechniqueisoneofthemostsignificanttechniquesfortheunmannedplatform.Therefore,thispaperpresentsasolutionforth

7、eobstacledetectionandthelocationproblemoftheunmannedplatformbasedontheexperimentalplatform,whichinvolvesVoyagerⅡtestingcar,2Dlaserradarandinertialsensorintegratedmodule.Fortheobstacledetection,theobstacledetectionmethodinthispaperisbasedon2Dlaserradardata.Firstly,thedataispre-pr

8、ocessedbythethresholdfilteringalgorithmandtheim