基于激光雷达的智能车定位技术研究

IV
上海交通大学硕士论文
ABSTRACT
KEY WORDS: Intelligent vehicles, Laser radar, Localization
V
上海交通大学 学位论文原创性声明
本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进 行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包 含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做 出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识 到本声明的法律结果由本人承担。
上海交通大学 硕士学位论文 基于激光雷达的智能车定位技术研究 姓名：伍舜喜 申请学位级别：硕士 专业：控制理论与控制工程 指导教师：杨明 20080201
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来自百度文库提出 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；
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
1.2 国内外智能车的发展概况
1.2.1 国外概况
如前所述，机器人研究、制造和应用水平是一个国家科技和经济综合实力的一 个指标。因此机器人研究受到世界强国的重视。在这方面，美国、日本、欧盟等都 走在了世界前列。 世界第一辆智能车于 1979 年在日本研制成功[1][4]。该样车上装有两台 TV 摄像 机以及专用信号处理器，当时测试最高时速可达 30km/h。 美国也在智能车领域投入了大量的资金和深入的研究，它也是最早从事智能车 研究的国家之一。早在上个世纪八十年代初期，在美国 DARPA(国防部)的支持下， CMU，Stanford 和麻省理工大学等单位就已经开展了针对智能车的广泛研究。这些 单位也在过去几十年内取得了令人振奋的研究成果，如卡内基梅隆大学 (Carnegie Mellon University, CMU)机器人研究所研制的 NavLab 系列机器人[4]，其中最新的 NavLab-11 智能车上安装的传感器有 GPS、陀螺仪、激光雷达和全景摄像机等，如图 1 所示。 自从 2004 年以来， 美国 DARPA 连续三年先后举行了三届智能车挑战赛(Grand Challenge)活动，不仅赢得了来自世界各地相关专家们的参与，也进一步推动了智能 车领域和智能车技术的飞速发展。该赛事由第一届参赛者的全军覆没，到第二届在 美国西南部的沙漠环境下举行，到第三届在美国城市环境下运行，每一届都有许多 惊人的进步。其中比较典型的智能车包括分别获得后两届冠军的来自 Stanford 的 Stanley 智能车和来自 CMU 的 BOSS 智能车。
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。
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
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感器数据进行 定位，可以得到更高的定位精度。大量的仿真数据和实际数据实验结果 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。
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。
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.
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。