基于激光雷达的智能车定位技术研究
激光雷达技术在智能交通系统中的应用
激光雷达技术在智能交通系统中的应用智能交通系统（Intelligent Transportation System, ITS）是利用现代信息技术、通信技术和控制技术，对交通运输系统进行信息化、智能化的一种系统。
随着智能交通系统的快速发展和成熟，激光雷达技术作为其中重要的组成部分，正广泛应用于智能交通的各个环节，为交通运输行业提供了更安全、更高效的解决方案。
激光雷达技术是一种利用激光脉冲或连续波进行测距和地面物体探测的技术。
其原理是通过发射激光束并接收反射回来的光信号，来确定目标物体的距离、位置和轮廓等信息。
激光雷达凭借其高精度、高分辨率和广阔的检测范围等特点，被广泛应用于智能交通系统中。
首先，在智能交通的智能车辆领域，激光雷达技术被广泛应用于自动驾驶和高级驾驶辅助系统（Advanced Driver Assistance Systems, ADAS）等方面。
激光雷达可以实时获取车辆周围的环境信息，通过对路面、障碍物和行人等进行精确测量和三维成像，在车辆行驶过程中提供高精度的感知和判断能力。
这样，车辆可以实现自主的障碍物检测、车道保持、自动泊车等功能，大大提升了驾驶的安全性和舒适性。
其次，激光雷达技术在交通监测和交通管理方面也发挥了重要作用。
传统的交通监测设备如摄像机、磁感应器等具有一定的局限性，而激光雷达能够全方位、多维度地获取交通流量、车辆速度和位置等信息。
通过在道路上设置激光雷达，可以实时监测交通状况，快速判断拥堵情况和交通事故，并将数据传递给交通管理中心。
交通管理中心能够根据激光雷达提供的信息进行交通信号灯的智能控制，优化交通流量，缓解交通压力，提升整体的交通效率。
另外，激光雷达技术还被应用于智能交通系统的安全检测领域。
通过在路边或高架桥等关键位置设置激光雷达，可以及时检测车辆的安全状态，如车辆的超载情况、车辆的车距和速度等。
同时，激光雷达可以识别车辆的车牌号码，进一步提升车辆安全管理的水平。
激光雷达技术在智能驾驶中的应用
激光雷达技术在智能驾驶中的应用随着人工智能技术的不断发展，智能驾驶技术也逐渐成为了大众瞩目的焦点。
许多汽车制造商和科技公司都投入了大量的资源和精力，在智能驾驶领域进行研发。
其中，激光雷达技术成为了智能驾驶技术中不可或缺的一部分。
本文将介绍激光雷达技术在智能驾驶中的应用。
激光雷达技术简介激光雷达是一种通过激光器发射激光束，然后通过测量激光束被反射回来的时间差来测量目标物体距离和位置的技术。
激光雷达技术有很高的精度和可靠性，可以在短时间内快速地获取大量的距离、位置和速度等信息，并且可以对不同目标物体进行识别和区分。
激光雷达技术的应用激光雷达技术广泛应用于许多领域，如环境监测、工程勘探、机器人导航等。
在智能驾驶中，激光雷达技术也有着重要的应用。
激光雷达技术可以帮助自动驾驶系统识别车辆周围的环境，并且对周围物体进行测距和三维重建。
下面将具体介绍激光雷达技术在智能驾驶中的应用。
环境感知激光雷达技术可以帮助自动驾驶系统对周围环境进行感知和识别。
通过扫描激光束，可以获取周围物体的距离、位置、大小和速度等信息，如车辆、行人、路标、交通信号灯等。
还可以对建筑和路面等进行三维重建，生成高精度的地图，提供路径规划和自主寻路等功能。
通过对周围环境的感知，自动驾驶系统可以实时地进行驾驶决策，并保证行车安全。
障碍物检测激光雷达技术可以帮助自动驾驶系统检测周围的障碍物，如车辆、行人、路标等。
激光雷达可以获取物体的精确位置和大小等信息，通过对物体的识别和分析，自动驾驶系统可以判断障碍物的类型和位置，并做出避让或减速的决策，保障驾驶安全。
自主导航激光雷达技术可以帮助自动驾驶系统进行自主导航。
激光雷达可以获取精确的地图和位置信息，通过对车辆所在位置的识别和定位，自动驾驶系统可以进行路径规划和自主导航。
激光雷达还可以帮助车辆进行定位和自主停车。
总结激光雷达技术在智能驾驶中的应用，极大地提高了自动驾驶系统的感知能力和行驶安全性。
激光雷达技术可以帮助自动驾驶系统实现环境感知、障碍物检测和自主导航等功能，为未来的智能驾驶技术发展提供了有力的支持。
激光雷达在智能交通系统中的应用
激光雷达在智能交通系统中的应用智能交通系统，作为现代城市交通管理的重要组成部分，正以其高效、智能的特点逐渐被广泛应用于各个城市中。
而在智能交通系统中，激光雷达技术被认为是关键的核心之一，具有许多独特的优势和应用前景。
激光雷达是一种可以测量距离和获取目标位置的无源传感器，在智能交通系统中，它可以被用来感知和检测道路上的交通物体并提供精确的位置和距离信息。
与传统的摄像头相比，激光雷达具有更高的精度和可靠性，可以在各种环境条件下工作，例如夜间、恶劣天气、低光和强光环境下。
激光雷达在自动驾驶领域中的应用已经取得了显著的进展。
通过安装在自动驾驶汽车上的激光雷达，车辆可以实时获取周围环境的信息，包括道路、障碍物和行人等。
借助这些数据，自动驾驶汽车能够做出准确的决策和控制，提高行车安全性和驾驶效率。
激光雷达技术还可以确保自动驾驶车辆在各种情况下都能准确感知周围的环境，并做出适应性的应对，从而避免交通事故的发生。
除了自动驾驶汽车，激光雷达还在智能交通管理系统中发挥着重要的作用。
例如，在城市的繁忙路口安装激光雷达可以实时监测交通流量和车辆行为。
借助激光雷达提供的准确数据，交通管理者可以优化信号灯的配时，调整交通流量，有效减少拥堵和交通事故的发生。
此外，激光雷达还可以用于建立高精度的地图和道路网络。
通过将激光雷达与GPS技术结合，可以实现对道路、建筑物和交通标志等进行三维建模和定位。
这些高精度的地图信息可以为驾驶员、导航系统和城市规划者提供准确的导航和路径规划服务。
尽管激光雷达在智能交通系统中具有广泛的应用前景，但也面临着一些挑战。
例如，激光雷达的成本较高，限制了其在大规模智能交通系统中的应用。
此外，激光雷达还存在一些技术问题，如难以应对复杂多变的交通场景和检测小尺寸目标的困难等。
为了克服激光雷达应用中的挑战，研究人员正在不断努力改进技术和降低成本。
他们在激光雷达的精度、探测距离和成本等方面进行了多项研究，以提高其性能和适应性。
激光雷达技术在智能交通中的应用
激光雷达技术在智能交通中的应用随着科技的发展，智能交通成为了现代城市交通领域中的一个热门话题。
而激光雷达技术在智能交通中的应用，更成为了智能交通领域中的一项重要技术。
本文将从激光雷达技术的原理、智能交通中的应用等方面进行分析。
一、激光雷达技术的原理激光雷达是一种利用激光发射器对周围物体进行扫描与跟踪的技术。
它利用激光束对周围物体进行扫描，并快速的测量物体与相机的距离和位置。
相对于其他传感器技术，激光雷达具有高精度、高速度、高分辨率等优势，同时可以在不同天气和照明条件下工作。
激光雷达技术可以通过其工作原理进行简单的解释。
通过发射激光束并探测原始反射信号，激光雷达可以将输入光的方向和时间位置转换为三维空间中物体的位置和形状。
这是通过在物体的表面生成一个反射点，然后测量激光的传播距离和角度来实现的。
通过对大量反射点的测量，激光雷达可以组成整个三维场景的点云。
通过对点云的分析，就可以进行计算机视觉以及其他的相关应用。
二、激光雷达技术在智能交通中的应用智能交通是一个涵盖了交通和信息技术的广泛领域。
激光雷达技术在智能交通领域中的应用非常广泛，例如智能车道、智能停车系统、模拟交通模型等。
在这里，我们将重点介绍激光雷达技术在智能车辆领域的应用。
1、智能驾驶激光雷达可以为自动驾驶系统提供准确的位置信息，让车辆可以识别和跟踪周围环境中的物体、车辆和行人。
这是实现自动驾驶的关键技术之一。
例如，德国的奔驰车就采用了激光雷达技术，让车辆能够快速扫描周围的环境，并进行高精度地三维地图生成。
通过这种方式，车辆可以准确地了解道路情况，并更好地适应不同的道路和驾驶环境。
此外，激光雷达技术还可以为驾驶员提供安全的灯光和路标信息，在保障道路安全方面发挥着积极的作用。
2、交通监控激光雷达技术还可以在交通监控中发挥着关键作用。
通过激光雷达技术，监控系统可以实时获取道路上车辆和行人的位置信息，并准确地识别和分类道路上的交通情况。
同时，激光雷达技术还可以为车辆提供GPS、惯性导航和摄像头等多种传感器数据，为交通流量控制和智能路网管理提供重要支持。
激光雷达技术在智能驾驶中的应用
安装工程师年终总结安装工程师年终总结篇1我于20xx年xx月xx日来到xxx公司上班，有幸成为了xx 公司的一员。
进入xx已有一年的时间，担任安装工程师一职，主要负责xx工程安装工程的管理工作。
回忆20xx以来，工作总结如下：一、主要工作情况（一）、主要负责xx工程安装工程管理工作。
1、对强电、消防、给排水分部工程的现场监视：⑴、在强电、消防、给排水分部工程的质量方面进展全过程现场监视，特别对使用功能、观感质量等方面进展重点检查，对不符合的地方均要求施工单位进展整改，即使设计与现场实际情况有相矛盾的地方也在现场协商解决，最终到达设计要求，满足美观效果。
⑵、因现场施工操作人员缺乏、材料进场时间拖后以及土建施工滞后影响等原因，致使有的工序施工进度比原方案严重滞后。
如：卫生间洁具安装滞后，强电部分虽然除灯具外现已根本施工完成，但是也比原方案有所滞后。
2、弱电系统安装的现场监视：⑴、现场跟踪检查各个部位的弱电线缆布置，确保不漏设。
⑵、弱电线缆已按方案敷设完成，待土建及家具安装后安装面板，但是弱电机房土建部分至今还未开场静电地板施工，可能会造成最终的施工进度滞后。
3、空调、新风系统设备及管道安装的现场监视：⑴、在空调、新风系统工程的质量方面进展全过程现场监视，特别对使用功能、安装标高方面进展重点检查，对不符合质量要求的地方均要求施工单位进展整改，特别在安装标高上提出了要求，全部设备、管道必须按最大高度安装。
⑵、每台空调设备进场时均对设备型号进展核实，符合设计及合同要求前方同意进场使用。
⑶、现场协调解决实际施工中与土建工程的配合问题，共同顺利完成前阶段的安装工作。
空调部分施工根本按原方案完成，但是由于新风机进场时间较晚，该部分进度略微滞后。
现待土建天棚施工完成后安装风口面板。
4、针对该工程的投资控制对于该工程现场签证部分先与施工单位水电负责人现场核实工程量，并请投资管理部水电安装专业造价师到现场复核确认，按程序按制度做好了该工程的投资控制工作。
激光雷达在新能源汽车中的运用
激光雷达在新能源汽车中的运用新能源汽车正逐渐成为未来出行的主力，而激光雷达作为一种重要的传感技术，在新能源汽车的发展中起着重要的作用。
它通过使用激光束来探测车辆周围的环境，并提供高精度的距离和位置信息，从而实现车辆的自动驾驶和智能化控制。
下面就让我们一起来看看激光雷达在新能源汽车中的运用。
自动驾驶技术的推动者随着科技的不断进步，自动驾驶技术正逐渐从概念走入现实。
激光雷达作为自动驾驶技术的重要组成部分，能够提供高精度的障碍物检测和环境感知能力，为车辆的智能化驾驶提供了强大的支持。
激光雷达通过发射激光束，利用其与物体之间的反射来测量物体的距离和位置。
与传统的摄像头和雷达相比，激光雷达不受光线和天气条件的影响，具有更高的精度和可靠性。
它能够实时获取车辆周围的地形、车辆和行人等信息，并进行快速的分析和决策，从而实现车辆的自动驾驶和智能化控制。
提升行车安全性能作为新能源汽车的重要组成部分，激光雷达在提升行车安全性能方面发挥着重要的作用。
它能够实时监测车辆周围的环境，并迅速检测到潜在的危险和障碍物，如行人、其他车辆以及道路状况等。
基于激光雷达提供的高精度数据，汽车可以做出相应的反应，及时避免事故的发生，从而保障行车安全。
激光雷达还能够提供车辆的精确定位和跟踪能力，为车辆的导航和路径规划提供重要的数据支持。
它能够准确测量车辆与周围物体的距离和位置，实时更新车辆的状态和位置信息，并将这些信息传输到车辆的导航系统和控制单元中，实现车辆的高精度定位和路径规划。
实现能源利用的最优化在新能源汽车中，激光雷达还可以帮助实现能源利用的最优化。
通过对车辆周围环境的实时感知和分析，激光雷达能够帮助车辆做出智能化的能源管理决策，使能源的使用更加高效和可持续。
例如，在续航里程紧张的情况下，激光雷达可以帮助车辆识别附近的充电桩，并规划最优的充电路线，以提供最佳的充电效果和能源利用率。
激光雷达还可以通过实时监测车辆的能源消耗和驾驶行为等信息，帮助驾驶员进行能源管理的优化。
人工智能在自动驾驶技术中的SLAM技术研究
人工智能在自动驾驶技术中的SLAM技术研究自动驾驶技术作为人工智能领域的重要应用之一，正逐渐改变着我们的出行方式。
而在实现自动驾驶的过程中，SLAM技术（Simultaneous Localization and Mapping）起到了至关重要的作用。
本文将重点探讨人工智能在自动驾驶技术中的SLAM技术研究。
SLAM技术是指在未知环境中，通过感知和计算，实现同时定位和地图构建的技术。
在自动驾驶领域，SLAM技术的目标是通过车辆上搭载的传感器，如激光雷达、摄像头等，获取周围环境的信息，并将这些信息进行处理和分析，以实现对车辆位置和地图的准确估计。
首先，激光雷达在自动驾驶技术中的应用是不可或缺的。
激光雷达通过发射激光束并接收反射回来的信号，可以获取到周围环境的三维点云数据。
这些点云数据可以提供车辆周围的障碍物信息，从而帮助车辆进行精确定位和路径规划。
在SLAM技术中，激光雷达的数据被用于构建地图，同时也可以通过与先前地图的匹配，实现车辆的定位。
其次，摄像头在自动驾驶技术中也起到了重要的作用。
摄像头可以获取到车辆周围的图像信息，通过对图像的处理和分析，可以提取出路面标志、车辆、行人等物体的位置和特征。
这些信息可以用于车辆的感知和环境理解。
在SLAM技术中，摄像头的数据可以与其他传感器的数据进行融合，从而提高地图的建立和车辆的定位精度。
另外，深度学习在SLAM技术中的应用也越来越广泛。
深度学习通过神经网络的训练和学习，可以从大量的数据中提取出特征和模式。
在自动驾驶技术中，深度学习可以用于图像的识别和分析，从而提高车辆对周围环境的理解能力。
同时，深度学习还可以用于地图的构建和更新，通过对传感器数据的处理，自动学习地图中的特征和结构。
此外，SLAM技术还面临着一些挑战和问题。
首先，传感器数据的噪声和误差会对SLAM的精度造成影响。
如何准确地对传感器数据进行校正和滤波，是SLAM技术研究的一个重要方向。
其次，SLAM技术在复杂环境中的应用还存在一定的困难。
智能车辆导航系统的关键技术研究与实现
智能车辆导航系统的关键技术研究与实现随着科技的不断发展，智能车辆导航系统已经成为现代汽车中不可或缺的一项技术。
它通过使用先进的技术手段，为驾驶员提供准确、高效、安全的导航服务。
智能车辆导航系统的关键技术涉及多个方面，涵盖了地图数据处理、定位技术、路径规划和交通信息处理等。
本文将从这些关键技术的研究与实现角度，对智能车辆导航系统进行探讨。
首先，地图数据处理是智能车辆导航系统中不可忽视的一环。
地图数据作为导航系统的基础，需要准确、实时并且具有丰富的信息。
现代导航系统使用了不同类型的传感器来收集地图数据，如卫星定位系统(GPS)、激光雷达和摄像头等。
这些传感器可以获得车辆周围的环境信息，并将其转化为数字化地图数据。
然后，通过图像处理和数据挖掘等技术，对地图数据进行处理和优化，以提高导航系统的准确性和可靠性。
其次，定位技术是智能车辆导航系统中的另一个关键技术。
准确的定位是实现精确导航的基础。
传统的定位方法主要依赖于GPS技术，但在城市峡谷、高楼大厦群等条件下，GPS的定位精度会受到影响。
因此，研究人员提出了基于惯性导航系统、卡尔曼滤波器、地图匹配和传感器融合等方法，以提高定位的精度和鲁棒性。
这些新的定位技术可以结合车辆自身的动态信息，实现实时、精确的定位，为智能车辆导航系统提供更可靠的定位服务。
路径规划是智能车辆导航系统中必不可少的一环。
通过实时收集和分析交通状况，智能导航系统可以为驾驶员提供最佳的车辆行驶路径。
路径规划涉及车辆的起点、终点、道路限制条件和实时交通信息等因素。
研究人员通过建立交通流模型、路网拓扑结构和路径搜索算法等，为车辆导航系统提供自动路径规划功能。
同时，为了更好地适应不同的驾驶需求，研究人员还研究了个性化路径规划算法，可根据驾驶员的偏好和实时交通信息，提供多个可选的行驶路径。
最后，交通信息处理也是智能车辆导航系统中的重要组成部分。
交通信息的获取和处理对于实现高效的导航是至关重要的。
传感器技术和无线通信技术的发展，为智能车辆导航系统提供了更多实时交通信息的来源。
车载导航激光雷达技术研究现状及其发展趋势
车载导航激光雷达技术研究现状及其发展趋势一、激光雷达技术研究现状1. 激光雷达技术的原理和特点激光雷达技术是一种基于激光束的主动探测技术，其原理是利用激光束对目标进行扫描和测距。
与传统的雷达技术相比，激光雷达具有高分辨率、高精度和快速测量的特点，能够提供更加精准的目标信息。
2. 车载导航激光雷达技术的应用在车载导航系统中，激光雷达技术主要应用于环境感知和自动驾驶领域。
通过激光雷达技术可以实现对车辆周围环境的高精度测量和三维重建，为车辆的自主导航和避障提供数据支持。
目前，车载导航激光雷达技术已经取得了较大的进展，各类厂商和研究机构都在积极开展激光雷达技术的研究和应用。
激光雷达传感器的性能不断提升，其测距精度、角分辨率和数据处理能力都在不断提高，可以满足日益复杂的车载导航系统需求。
1. 多传感器融合未来车载导航激光雷达技术的发展趋势之一是将激光雷达与其他传感器进行融合。
通过与摄像头、毫米波雷达等传感器相结合，可以实现对车辆周围环境更加全面和精准的感知，提高自动驾驶系统的安全性和可靠性。
2. 集成化和小型化随着激光雷达技术的不断进步，未来车载导航激光雷达传感器将朝着集成化和小型化的方向发展。
通过集成化设计和先进的制造工艺，可以实现激光雷达传感器体积的减小和重量的降低，使其更加适用于普通乘用车和商用车。
3. 高分辨率和长测距未来车载导航激光雷达技术将追求更高的分辨率和更远的测距能力。
通过提高激光雷达传感器的分辨率和增加激光发射功率，可以实现对目标的更加精准的探测和识别，同时可以实现对远距离目标的有效测量。
4. 数据处理和算法优化随着激光雷达传感器采集到的数据不断增加，未来车载导航激光雷达技术还将面临巨大的数据处理和算法优化挑战。
通过优化数据处理算法和引入人工智能技术，可以实现对海量数据的快速处理和智能分析，为自动驾驶系统提供更加可靠和安全的决策支持。
车载导航激光雷达技术作为车载导航系统中的关键感知技术，其发展趋势将朝着多传感器融合、集成化和小型化、高分辨率和长测距、数据处理和算法优化等方向发展。
基于激光雷达汽车防撞预警系统的设计与实现
基于激光雷达汽车防撞预警系统的设计与实现一、激光雷达汽车防撞预警系统的原理激光雷达是一种通过测量光的时间差来确定目标距离的传感器。
在汽车防撞预警系统中，激光雷达主要用来探测前方障碍物的距离和速度，从而实现对潜在碰撞危险的监测和预警。
激光雷达汽车防撞预警系统的工作原理如下：当汽车发动机启动后，激光雷达系统开始工作，通过激光发射器发出一束激光，在宽度范围内扫描前方的障碍物。
当激光束遇到障碍物时，一部分激光会被反射回来，激光雷达系统通过接收器接收反射回来的激光，并通过测量激光的时间差来确定障碍物的距离和速度。
系统会将这些数据与车辆自身的速度和加速度等信息结合起来，通过算法分析得出可能的碰撞危险，并及时做出警告或者自动刹车等措施，从而避免碰撞事故的发生。
1. 系统硬件设计激光雷达汽车防撞预警系统的硬件主要包括激光发射器、接收器、信号处理器、控制器等组成部分。
激光发射器用于产生激光束，接收器用于接收反射回来的激光，信号处理器用于对接收到的激光信号进行处理，控制器用于系统的整体控制和数据处理。
在设计时，需要根据汽车的实际情况和需要，选择合适的硬件设备，并设计相应的电路和系统结构。
激光雷达汽车防撞预警系统的软件设计包括激光雷达信号处理算法、碰撞检测算法、预警系统算法等。
激光雷达信号处理算法主要用于对接收到的激光信号进行滤波、增强和去噪等处理，以提高系统的性能和稳定性。
碰撞检测算法主要用于对处理后的激光信号进行分析，判断潜在的碰撞危险。
预警系统算法主要用于根据检测到的碰撞危险，做出相应的警告和控制决策。
软件设计时需要根据系统的实际需求和硬件设备的特点，选择合适的算法，并进行相应的优化和调试，以确保系统的准确性和稳定性。
3. 系统集成与测试在硬件和软件设计完成后，需要对系统进行集成和测试。
集成阶段主要包括硬件设备的安装和连接，软件的加载和配置等。
测试阶段主要包括系统的功能测试、性能测试和稳定性测试等。
通过集成和测试，可以发现和解决系统中可能存在的问题，确保系统能够正常工作和达到预期的效果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
上海交通大学硕士论文
摘
要
基于激光雷达的智能车定位技术研究
摘
要
智能车的定位问题， 是智能车辆自主导航研究中最重要的内容之一。 在众多车载传感器中，激光雷达测量精度高，已经成为大部分智能车车 载的一种传感器。基于激光雷达的定位技术也得到了研究人员的重视。 本文针对传统的基于路标定位方法中路标检测的可靠性问题，提出 了基于路标对的智能车定位方法。 该方法把路标对作为环境地图的特征， 提高了路标检测的可靠性和鲁棒性；并利用扩展卡尔曼滤波进行位姿跟 踪，进一步提高定位的精度。大量的仿真数据和实际数据实验证明该方 法中路标检测成功率可达 100%，具有很高的可靠性和抗干扰性。 基于路标对的定位方法， 虽然解决了环境中路标检测的可靠性问题， 但是该方法需要在环境中摆放人工路标对，这就限制了其在大范围环境 下的运用。为了解决这一问题，提出了基于自然柱状特征地图的智能车 定位方法。该方法利用环境中现有的柱状特征进行定位，无需人工路标；
1
上海交通大学硕士论文
第一章 绪
论
可靠的车载电脑来控制车辆，车辆控制方式变成了“车-路”闭环控制方式，从而大 大提高交通系统的效率和安全性。智能车的关键技术与移动机器人基本相同，大致 包括定位技术、 车辆控制技术和安全三个方面。 而定位技术是智能车最基本的环节[3]， 也是智能车技术研究的基础性问题。
学位论文作者签名：伍舜喜
日期：2008 年 2 月 18 日
上海交通大学 学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论 文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手 段保存和汇编本学位论文。 保密□，在 本学位论文属于 不保密√。 （请在以上方框内打“√” ） 年解密后适用本授权书。
学位论文作者签名：伍舜喜
指导教师签名：杨
明
日期： 2008 年 2 月 18 日
日期： 2008 年 2 月 18 日
上海交通大学硕士论文
第一章 绪
论
第一章 绪 论
1.1 课题背景
机器人技术的发展程度体现了一个国家的高科技水平、经济综合实力和工业自 动化程度。在当今世界里，机器人在生产生活中的应用越来越广泛，正在逐步代替 人发挥着日益重要的作用。机器人技术是综合了计算机、控制论、信息和传感技术、 人工智能、机构学、仿生学等多学科而形成的高新技术，集多学科的发展成果，代 表着高技术的发展前沿，是世界科技研究的热点。 随着计算机、微电子、信息技术和机器人技术的快速发展，移动机器人不仅在 工业制造方面，而且在军事、民用、科研等许多方面得到了广泛应用[1][2]。它们的工 作环境也从单纯的室内环境变成了今天的各种环境，包括天空、地下、水下、地面 等。其中地面作为人类大部分活动的地面移动机器人的研究从很早就开始了。在军 事上，移动机器人可以代替人类到危险地带完成排雷、侦察等任务；在民用方面， 移动机器人涉足到自动或辅助驾驶系统，以及智能轮椅等帮助残疾人士的应用；在 科研方面，移动机器人可以完成探索外太空的使命。如今，机器人正朝着智能化和 多样化等方向发展。同时，机器人涉及到的技术也不断扩展，如多传感器信息融合、 路径规划、机器人视觉、智能人机接口等，产生了一系列的研究课题。 智能车，也称为无人自动驾驶车辆，是室外轮式移动机器人在交通领域的重要 应用[2]。它使用车载传感器，例如激光雷达、GPS、里程计、视觉、磁传感器等，感 知车辆运行环境，并根据感知所获得的车辆位姿、道路和障碍物信息，进行智能车 的自主导航。无人自动驾驶车辆从根本上改变了传统的车辆控制方式，即“车-路人”闭环控制方式，将不可观且不可控的驾驶员从该闭环系统中请出去，并用相对
I
上海交通大学硕士论文
摘
要
不仅可以利用基于卡尔曼滤波的地图自动生成算法自动建立环境中的柱 状特征地图，并且在此柱状特征地图基础上，采用迭代最近点算法可以 大大提高车辆定位精度。该方法也得到了大量仿真数据和实际数据实验 的验证。 针对环境特征地图中传感器的误差传递问题，提出了基于激光雷达 传感器记忆的智能车定位方法。该方法直接利用原始的传实际数据实验结果 表明，该方法具有较高的鲁棒性，并能得到相当高的定位精度。
关键词：智能车辆，激光雷达，定位
II
上海交通大学硕士论文
ABSTRACT
RESEARCH ON LOCALIZATION FOR INTELLIGENT VEHICLES USING LASER RADAR
ABSTRACT
Localization for intelligent vehicles is one of greatest importance parts in the research field of intelligent vehicles. Among lots of sensors, with its high precision in distance measurement, laser radar has become a common sensor on board for most intelligent vehicles. Also, researchers have attached great importance on the localization technology based on laser radar. In this thesis, aiming at solving the reliability of the traditional landmark based localization method, Landmark Pair based Localization Method is proposed. This method uses the landmark pair as the map feature to enhance the reliability and robustness of landmark detection; to do pose track using
III
上海交通大学硕士论文
ABSTRACT
Kalman filter in order to obtain more accurate pose estimation. It has been verified on both synthetic data and real range data in the outdoor environment. Experimental results demonstrate that the landmark detection rate is 100% and this method has very high reliability and robustness. Landmark Pair based Localization Method can provide high reliability of landmark detection, but this method needs to put some artificial landmarks in the environment, which is the limitation for wide range application. As for this problem, Natural Pole Map based Localization Method is proposed, which uses the natural pole-like objects as the map feature and need not to modify the environment. This method can build the map automatically using a Kalman filter based Mapping algorithm, and can obtain very high pose accuracy using an Iterative Closest Points algorithm. Experimental results show the wonderful performance of this method. Aiming at reducing the error transfer problem, Sensor Memory based Localization Method is proposed, which uses the original data of laser radar to do pose estimation and has considerable high pose accuracy. Also, this method has been verified by both synthetic data and real range data. Experimental results show its high robustness and accuracy of localization.
2
上海交通大学硕士论文
第一章 绪
论
图 1 卡内基梅隆大学的 NavLab11 智能车 Fig.1 NavLab11 Intelligent Vehicle for CMU
在欧洲，智能车的发展也已经初具成效，并逐渐成立了统一的合作组织。其中， 欧盟的代表性研究项目包括第五框架的 CyberCars 和 CyberMove 项目、第六框架的 CyberCars-2 项目等[5][6][7]。经过几年的研究，已经获得了初步的成功，部分系统已投 入实际运行。例如，Frog 公司于 1997 年 12 月，就有 ParkShuttle 在荷兰阿姆斯特丹 Schiphol 机场的应用，如图 2 所示，但那只是最早期的技术，在两地间按既定路线行 驶，没有过多的人车交流。