论文部分内容阅读
车辆定位在自动驾驶汽车研究中是一个关键问题,一个精确的定位系统才能保证车辆跟随预设轨迹行驶。目前,GPS广泛应用于车辆定位,但是民用级别GPS定位误差约为3-30m,不能满足自动驾驶汽车的定位需求。而自动驾驶汽车上搭载了更加丰富的传感设备,如激光雷达、超声波等,将这些传感器应用于定位能够实现优势互补。因此,研究多传感器融合的汽车定位方法,提高汽车定位精度,对自动驾驶汽车的发展具有重要意义。论文针对上述问题,为了提高车辆定位系统的精度,运用GPS在全局定位中的优势和2D激光雷达在局部环境中目标识别、测距的优势,研究了基于GPS和2D激光雷达数据融合的定位方法。本方法首先通过GPS进行车辆粗定位,然后利用2D激光雷达作为环境感知手段,在局部区域进行环境建模、匹配和定位,最后给出了集GPS、激光雷达、车速、航向的多传感数据融合方法。完成了基于GPS和2D激光雷达数据融合定位系统的设计与实现。主要的研究内容包括:(1)基于2D激光雷达数据的道路环境特征建模。考虑激光雷达的静态误差和在车速影响下造成的动态误差,对误差进行了修正。然后针对激光雷达的数据特点,提出了一种改进的DBSCAN聚类算法。最后考虑本课题的需求和环境特征,对Split-Merge算法中的分割和拟合部分进行了优化和补充。实验结果表明,本文方法能够准确的建立道路环境特征模型。(2)基于GPS和激光雷达的组合定位方法。针对外界环境中存在相似道路环境的问题,提出了基于GPS的关键栅格区域确定方法。考虑道路环境特征模型的线性特征,提出了特征模型与地图信息的匹配方法,并给出了通过关键点坐标信息计算车辆定位的方法。实验结果表明,本文方法能有效将环境特征模型与地图信息匹配,并能得到一个相对精确的车辆定位结果。(3)基于扩展卡尔曼滤波器(EKF)的数据融合定位方法。首先建立车辆组合导航定位模型,然后考虑车辆行驶时会出现关键点匹配成功和匹配失败的情况,对行驶过程分段进行多传感器数据融合。对比实验表明,本文方法较传统GPS定位方法精度有显著提高。最后,综合上述研究成果,对基于GPS和2D激光雷达数据融合定位系统进行了整体设计与实现。应用结果表明,本文设计的定位方法简单易行,所需传感器均为自动驾驶汽车原有搭载,无需外部辅助设施,能够有效提高定位精度。