无人驾驶车前方不确定障碍物检测方法仿真_田国红.pdf
《无人驾驶车前方不确定障碍物检测方法仿真_田国红.pdf》由会员分享,可在线阅读,更多相关《无人驾驶车前方不确定障碍物检测方法仿真_田国红.pdf(5页珍藏版)》请在咨信网上搜索。
1、基金项目:国家自然基金青年基金(51605213)收稿日期:20211224第 40 卷第 2 期计算机仿真2023 年 2 月文章编号:10069348(2023)02047104无人驾驶车前方不确定障碍物检测方法仿真田国红,关亮亮(辽宁工业大学汽车与交通工程学院,辽宁 锦州 121001)摘要:无人驾驶车障碍物检测是保障车辆安全运行的关键,但是障碍物检测过程中环境对检测方法的影响较大,为提升无人驾驶车在不确定环境中的障碍物检测精度,提出不确定环境下无人驾驶车前方障碍物检测方法。利用激光雷达获取汽车行驶过程的激光雷达图像,通过双边滤波方法完成图像的去噪处理,依据搜索的道路边界点建立道路边界模
2、型,提取障碍物特征建立障碍物模型;通过时空特征系数分类结果,完成障碍物类型识别,实现障碍物检测。实验结果表明,所提方法具有较低的误检率和漏检率,能够精准地检测出前方障碍物位置。关键词:激光雷达;无人驾驶车;前方障碍物;数据预处理;双边滤波中图分类号:TP391文献标识码:BSimulation of Detection Method for Uncertain Obstaclesin Front of Unmanned VehiclesTIAN Guohong,GUAN Liangliang(School of Automobile and Traffic Engineering,Liaoni
3、ng University of Technology,Jinzhou Liaoning 121001,China)ABSTACT:At present,the detection of obstacles in front of driverless cars is the key to ensure the safe operationof vehicles,but the environment has a big effect on the detection method In order to improve the detection accuracy inan uncertai
4、n environment,this paper presented a method of detecting obstacles in front of driverless cars At first,thelidar image of the car in the course of driving was obtained by lidar,and then image denoising was completed by thebilateral filtering method Moreover,a road boundary model was built based on t
5、he searched boundary points Mean-while,the obstacle features were extracted while building the obstacle model Finally,based on the classificationresults of spatiotemporal characteristic coefficients,the recognition for obstacle type was completed Thus,obstacledetection was achieved Experimental resu
6、lts show that the proposed method has a low false detection rate and misseddetection rate,and can detect the position of the obstacles in front accuratelyKEYWODS:Lidar;Driverless vehicle;Obstacles ahead;Data preprocessing;Bilateral filtering1引言随着科技的不断进步,人工智能已经在生产、科研等领域被广泛应用。无人驾驶车辆1 作为汽车生产的新型技术,是当今前沿
7、科技的重要发展方向。它不仅包括理论方法与关键科技技术的突破,同时涉及大量工程试验问题,社会关注度极高。由于无人驾驶车辆使用范围多为军事、航空航天等高端领域,工作环境复杂不确定,所以在研制无人驾驶车辆,提升车辆驾驶控制系统,对驾驶前方的障碍物实施有效的检测2,是保障该类车辆安全运行的关键。文献 3 方法提出一种融合密度聚类与区域生长算法的快速障碍物检测方法。该方法依据区域生长算法对点云栅格标记聚类;再通过参数自适应算法完成障碍物的目标细化;最后通过对障碍物的二次聚类实现对智能车行驶过程中的障碍物检测。文献 4方法提出基于车载 16 线激光雷达的障碍物检测方法。该方法根据八叉树以及抽样一致性算法完
8、成路面的地面点去除;再将路面投影点映射至二维网格上,提取障碍物的结构,建立两级网络模型;最后通过该模型完成无人车障碍物的检测。文献 5 方法提出基于激光测距雷达和机器视觉的障碍物检测。该方法依据激光雷达以及车载相机获取汽车行进图像;再通过对图像与激光雷达数据的融合结果,完成障碍物的准确识别。上述方法由于未能在障碍物检测时,对激光雷达图像实174施消噪处理,导致上述方法在检测障碍物时检测效果较差。为解决上述无人行驶车辆障碍物检测方法中存在的问题,提出不确定环境下无人驾驶车前方障碍物检测方法。2建立道路边界模型在对无人驾驶汽车前方障碍物开展障碍物检测前,需要建立汽车行驶前方的道路边界模型,确定无人
9、驾驶车行驶过程的道路边界点以及道路边界拟合。2.1获取道路激光雷达点云图像无人驾驶汽车6 在行进过程中,使用三维激光雷达对无人驾驶汽车前方道路展开扫描。选取三维激光雷达时,一般选用激光扫描线 64 条、输出 133 万三维点的激光雷达。扫描后,激光雷达获取的道路扫描数据如下式所示Uv=O0,0O0,jO0,yOx,0Ox,jOx,yO63,0O63,jO63,y(1)式中,激光雷达扫描点为 Ox,y,获取的激光雷达数据为 Uv,i、j为常数。设定激光雷达7 的扫描角度为 bj,获取过程如下式所示bj=xyzs(2)式中,激光数据的三维坐标位置为 x,y,z,数据信息为,属性为 s。最后设定道路
10、激光雷达图像尺寸为 MN,通过数据映射算法8 获取无人驾驶汽车前方道路激光雷达图像,过程如下式所示Em,n=1A(n+n)Vm,n=1A(m+m)(3)式中,获取的激光雷达图像为(Em,n,Vm,n),像素坐标原点为(m,n),映射系数为 A。2.2道路点云数据预处理获取无人驾驶汽车前方道路边界点之前,需要依据双边滤波算法剔除激光雷达图像中的离群点数据,以提升障碍物检测精度。双边滤波属于非线性的空域滤波算法,该方法能够在保留图像边缘信息的同时极大程度地滤除点云图像中的噪声。设定无人驾驶汽车行驶道路激光雷达图像的高斯噪声图像模型为 f(m,n),获取流程如下式所示f(m,n)=d(m,n)+b(
11、m,n)(4)式中,激光雷达图像的无噪声图像为 d(m,n),激光雷达图像的零均值高斯噪声为 b(m,n),噪声干扰的激光雷达图像为 f(m,n)。噪声图像获取后,通过局部加权平均算法对噪声图像中的高斯噪声实施去噪处理9,过程如下式所示f(m,n)=(m,n)Am,ni,j=1q(i,j)f(i,j)(m,n)Am,ni,j=1q(i,j)(5)式中,图像的中心像素点(m,n)的邻域范围为 Am,n,区域内像素点权值为 q(i,j),像素灰度值为 f(i,j)。根据上述噪声消除结果,完成无人驾驶汽车的激光雷达图像中离群点的滤除。2.3搜索道路边界点图像去噪后,使用自适应边界搜索算法对激光雷达图
12、像展开搜索,确定无人驾驶汽车前方道路上的边界点,流程如下:1)基于去除离群点的激光雷达数据建立无人驾驶汽车坐标系,并设定坐标原点,从左右两侧展开搜索。2)以起始点为坐标原点,设定搜索范围,寻找并记录道路两侧的边界点位置。3)若寻找到道路边界点,依据固定的距离向左右两端移动,继续寻找汽车前方道路边界点。4)重复上述搜索过程,直至完成道路两侧所有待搜索区域的道路边界点的搜索。2.4边界点曲线拟合道路边界点完成搜索后,对所有边界点展开曲线拟合。道路边界点拟合形状通常为直线或曲线,所有边界点拟合时,可通过道路边界模型,完成道路边界点信息的表达。由于现今城市道路分布较为规则,所以道路边界点拟合时,使用最
13、小二乘法10 对道路边界点展开计算,通过获取的最小误差平方,获取边界点数据的最佳匹配函数,过程如下式所示W=xi=0w2i=xi=0 d(mi)ni2d(mi)=m2i+mi+(6)式中,无人驾驶汽车道路前方边界点拟合数据为(mi,ni),最佳匹配函数为 d(mi),特征点数量为 x,函数匹配点为 w2i,最小误差平方为 W,曲线函数向量分别为 m2i、mi以及。2.5建立道路边界模型基于上述确定的各项参数,建立无人驾驶汽车前方道路边界模型。在建立道路边界模型时,需要依据上述确定的道路边界点,建立模型的相关约束条件,结果如下式所示dis=Ocenternratio=|Mmax Mmin|/|N
14、max Nmin|Z=Zmax Zmin(7)式中,车道宽度为 dis,车道宽度比为 Ocentern,道路边界拟合曲线边长比为 ratio,高度差为 Z,最大高度差以及最小高度差分别为 Zmax、Zmin,道路边界点最大拟合曲线为 Mmax,Nmax,最小拟合值为 Mmin,Nmin。依据建立的相关约束条件,建立无人驾驶车前方道路边界模型,结果如下式所示274M=f(m,n)disZ|Mmax Mmin|/|Nmax Nmin|(8)3无人驾驶汽车前方障碍物检测方法基于建立的道路边界模型,提取无人驾驶汽车行进过程中障碍物特征,构建障碍物模型,完成无人驾驶车前方障碍物的检测。3.1提取障碍物特
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 无人驾驶 车前 不确定 障碍物 检测 方法 仿真 田国红
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。