基于Golomb序列调制的目标距离速度测量方法

针对连续波激光雷达在同步测量目标距离和速度的应用中存在辐射信号上限峰值功率低、测量极限距离近的问题,提出一种基于Golomb脉冲序列调制的测量信号波形,研究该方法在道路环境中同步测量目标距离和速度的可行性。首先,以一种准连续波,即伪随机（PN）码调制为例分析连续波调制方法存在的发射信号峰值功率低的问题,在此基础上讨论Golomb序列的特征,提出使用Golomb序列调制发射信号提高发射脉冲峰值功率的方法;然后,讨论Golomb序列调制的多普勒信号频谱分析方法和基于数据累加的延迟时间定位方法,实现同步测量目标的速度和距离;最后,在道路目标产生的多普勒频率范围内,通过仿真实验验证该方法的正确性。实验结果表明,在以脉冲序列构成的对多普勒信号平均采样率远低于奈奎斯特频率的条件下,仍然可以通过快速傅里叶变换（FFT）方法获得多普勒信号的频率,从而在发射平均功率恒定的条件下极大提高单脉冲的峰值功率;另外,利用Golomb序列的不等间隔特性,通过数据累加方法可以完成对激光脉冲飞行时间的定位,在保证了速度测量的同时实现对目标距离的测量。     

基于脉冲位置幅度调制的距离速度同时测量

针对传统波形方法在多普勒激光雷达测量目标距离和速度的应用中不能同时获得高测量精度的问题,提出一种使用位置和幅度同时调制的测量信号波形,以解决距离和速度测量精度之间的矛盾,同时使两个参数测量之间相互独立,并分析了该方法应用于智能驾驶道路环境中目标距离和速度测量的可行性.首先,讨论典型调制方法在同时测量目标距离和速度方面存...     

基于激光雷达距离图像的道路边缘检测与跟踪

论述了将激光雷达的距离图像信息用于道路检测和跟踪。首先将扫描点进行聚类分析对道路边缘进行检测和对所检测的边缘进行最小二乘直线拟合,在成功检测道路边缘后,利用Kalman滤波对道路边缘进行跟踪。实验证明该算法具有检测准确且鲁棒性好的特点。     

基于车载激光雷达的机车可通行区域检测

可通行区域检测是自动驾驶环境感知的重要内容之一.为了提取自动驾驶车辆前方可通行区域信息,文章提出一种基于车载激光雷达的机车可通行区域实时检测算法.该算法首先对激光雷达采集的三维点云进行数据预处理以提高点云质量;然后通过局部区域搜索算法提取轨道点云,并采用随机采样一致性算法拟合轨道曲线;接着使用匹配规则对轨道进行配对,以...     

非等间隔采样信号傅里叶频谱分析方法

针对伪随机(PN)码调制的多普勒激光雷达中固有的对外差信号不能等间隔采样的问题,提出一种新的非均匀采样信号的离散傅里叶变换(DFT)方法。首先,给出距离速度同步测量多普勒激光雷达系统模型,指出对外差信号不能等间隔采样的原因;然后,通过理论推导,提出一种新的非均匀采样信号的频谱分析方法;最后,通过仿真验证该方法可用于分析非等间隔采样信号的频谱。结果表明,在道路运动目标产生的多普勒频率范围内,接收信号信噪比(SNR)为0 dB的情况下,该方法仍可有效分析出不等间隔采样多普勒信号的频率。     

基于车载激光雷达的列车前方侵限障碍物检测

障碍物侵限会严重威胁自动驾驶列车的行车安全。为此,文章提出一种基于车载激光雷达的列车前方侵限障碍物检测方法。其首先从激光点云中提取轨道点,建立复合轨道模型,并基于RANSAC算法分别估计XOZ平面和XOY平面的轨道参数;随后,分析点云的径向坡度角特征,结合拟合所得的轨道信息完成地面点云分割,得到障碍物点云,并利用动态邻域半径的DBSCAN算法对障碍物点云进行聚类;最后,提取障碍物凸包并对凸包进行插值采样,产生稠密的边缘点集,完成障碍物侵限判断。现场实车实验结果显示,采用该方法,轨道检测准确率高于99.4%,列车、杆塔和行人检测准确率在99.7%以上,轨道检测成功时侵限判断准确率达到100%,能准确实现对列车前方障碍物的识别及是否侵限的判断。     

基于车载激光雷达的隧道内障碍物检测

采用激光雷达对隧道环境中的障碍物进行检测时,海量的隧道点云容易造成虚警.对此,文章提出了一种基于车载激光雷达的隧道内障碍物检测方法.其首先设计了背景点云的滤除策略,根据三维点云生成二维栅格图,并标记隧道边界栅格和地面栅格;对隧道边界栅格点云进行欧几里得聚类和边界曲线估计,根据估计曲线滤除隧道边界点云;对地面栅格点云进行...     

基于准同步技术的失真度测量方法研究

主要讨论了测量失真度的准同步方法——采样周期不要求与信号周期严格同步。该方法用于失真度测量,有效地克服了传统的基于DFT的失真度测量方法中非整周期采样引起的频谱泄漏对测量结果的影响,实验结果表明,该方法的采用使失真度测量的准确度提高了一个数量级。     

基于单线激光雷达与视觉融合的负障碍检测算法

近年来,无人车成为热门研究方向,而负障碍物检测是地面无人车环境感知与理解的任务之一。为此,提出一种基于单线激光雷达和单目视觉的负障碍检测算法。为弥补单线激光雷达在覆盖能力方面的不足,对检测到的负障碍区域在摄像机画面中进行跟踪,结合跟踪结果对负障碍区域做进一步判别。实验结果表明,该算法在多种实验场景下拥有96%以上的负障碍检测准确率,可有效应用于微小型地面无人车辆。     

基于非闭合Snakes和单线激光雷达的路边检测与滤波

提出了一种序贯路边滤波模型．在传统主动轮廓模型Snakes的基础上,探讨非闭合Snakes的求解方法,并首次利用非闭合Snakes模型对单线激光雷达的路边检测结果进行平滑和滤波．详细讨论了道路以及障碍物的几种模型,基于这些模型可以快速准确地从单帧雷达数据中提取出路边．研究了应用于路边滤波的非闭合Snakes模型的建立、Snakes的初始化以及如何利用雷达数据构造Snakes的图像力等问题．在自主车导航实验中的应用证明了本文方法用于路边滤波时可以有效减少路边检测时的错误和误差,改善路边的连续性,滤波后的路边更加接近真实路边位置．     

激光雷达机器人车辆地头转向路径规划

对差速转向机器人车辆进行果园行尾地头转向路径规划研究,通过车辆运动分析,建立车辆运动学模型;进行U型地头转向和K型地头转向的路径生成与分析;采用层次分析法对生成路径优化选择,确定行尾地头转向路径;针对U型地头转向和K型地头转向进行实验验证.对于最佳生成路径对应的实测路径,U型地头转向时方向偏角与横向偏移均值为15.0°,13.7 cm,K型地头转向时方向偏角与横向偏移均值为13.7°,13.9 cm.     

基于四线激光雷达的校园道路的检测与跟踪

道路跟踪是机器人视觉导航的一个重要任务.相比单线激光雷达,四线激光雷达具有信息量大,可靠性高的优点.对检测到的数据点进行直线拟合,并融合4条扫描线信息获得融合道边.在对路面点进行平面拟合后,可以测得较稳定的道边高度.同时在获得的候选直线段中,进行岔口检测,能检测出T型和十字型岔口.根据车体的运动信息,进一步构造卡尔曼滤波器对道边和岔口进行跟踪估计.校园环境的实验结果表明:该方法能够有效快速地检测和跟踪道边,并能对岔口进行可靠地识别与跟踪.