环境感知是无人驾驶的前提。课题针对无人驾驶方程式赛车环境感知技术,进行雷达障碍物检测与摄像头图像识别算法研究,旨在为无人驾驶方程式赛车路径规划和整车控制提供必要信息,实现赛车安全行驶。本文依托于国家自然科学基金面上项目(51675257)、辽宁省重点研发计划(2017106020)、重大科技平台项目(JP2017001)、辽宁省高等学校创新人才项目(LR2016054),结合无人驾驶方程式赛车研发进行课题研究。论文研究了一种赛场环境下无人驾驶方程式赛车目标桩桶检测与颜色识别的算法,并将激光雷达数据与摄像头数据进行融合,实现无人方程式赛车感知系统能够快速定位目标桩桶并识别出其颜色。主要工作如下:(1)激光雷达目标桩桶检测方法的研究。通过限制雷达原始数据的轴向距离,保留赛车周围有效的桩桶雷达数据;基于平面分割理论并结合赛车比赛实际场景设计出平面分割算法,将桩桶点云跟地面点云分割开,滤掉地面点云数据;应用欧式距离理论设计出目标点云聚类算法,实现对赛场中目标桩桶的检测。(2)摄像头桩桶颜色识别方法的研究。基于HSV颜色空间,将摄像头原始图像数据转化为HSV图像数据;根据图像尺寸比例计算出桩桶的兴趣域,对该区域内的像素点进行遍历;通过遍历结果与颜色标志的对比,实现对桩桶颜色的识别,保证颜色识别的准确率。(3)雷达与摄像头数据融合方法的研究。将激光雷达与摄像头进行联合标定,并将雷达数据转换到摄像头坐标系中,保证激光雷达的点云数据实时、准确地投映在图像中,实现了驾驶方程式赛车感知系统在赛场上对桩桶地快速定位和颜色识别。实车实验和比赛结果表明:论文研究的算法在无人驾驶方程式赛车上能够快速地检测出赛场目标桩桶并准确地识别出其颜色,为赛车的路径规划和整车控制奠定了良好的基础。应用该算法的无人驾驶方程式赛车,在2018年FSAC大赛中获得全国季军的优异成绩。