资源描述：
《基于激光雷达的智能车前方障碍物检测》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、自动化学报基于激光扫描仪的智能车前方障碍物检测作者一1,2作者二2作者三1（西安交通大学综合自动化研究所西安710049）（E-mail:xxx@xxx.cn,xxxr@ia.ac.cn）摘要：无人驾驶智能车在非结构化环境下的环境感知是其进行自主导航的关键问题之一[1]。智能车辆要实现在未知环境下的自主导航，必须获取到有效并且可靠的环境信息，其中包括判断哪些区域存在障碍物，哪些区域不存在障碍物。这些也是了实现环境建模、定位、路径规划等工作打好基础。这就要求将障碍物和可行地面数据进行有效分离。传统的地物分离方法是高度阈值法和空间聚类法。高度阈值法直接
2、滤除阈值外数据，这种算法只适用于室内或室外比较平坦的环境，对于越野情况就不再适合。空间聚类法是一种很耗时的算法，如果没有任何预处理，所花费的时间将是不可接受的。鉴于以上原因，本文提出了一种基于坡度检测和聚类分析的障碍物检测方法。同时，为了增强算法的鲁棒性和坡度检测的稳定性，算法中加入了平面条带法和距离滤波方法，收到了较好的效果。关键词：激光扫描仪，障碍物检测，无人驾驶智能车,环境感知中图分类号：TP273ObstacleDetectionForIntelligentVehicleBasedonLaserRadarFIRSTAuthor-Aa1,2S
3、ECONDAuthor-Bb2THIRDAuthor-Cc1(InstituteOfIntegratedAutomation,Xi’anJiaotongUniversity,Xi’an710049,China)(E-mail:aas@ia.ac.cn,aas_editor@ia.ac.cn)AbstractTheenvironmentalsensingofUnmannedIntelligentVehiclesinunstructuredenvironmentsisakeyissueforautonomousnavigation.Toachievin
4、gtheautonomousnavigation,wemustgeteffectiveandreliableenvironmentalinformation,includingdeterminingwhichareasexistobstructions,whichareasdoesn’t.Thesethingsisfortheaimofachievingenvironmentalmodeling,locationing,pathplanning,etc.Thisisrequiredtosepatatetheobstructiondatasandth
5、efeasiblegrounddatas.Thetraditionalseparationmethodisaltitudethresholdmethodandspaceclusteringmethod.Altitudethresholdmethodisdirectlytofilterexternaldata,thisalgorithmonlyappliestoindoororrelativelyflatoutdoorenvironment,foroff-roadsituationisnolongerappropriate.Spatialcluste
6、ringmethodisaverytime-consumingalgorithm,ifthereisnopre-treatment,thetimewouldbeunacceptable.Duetotheabovereasons,wefoundaobstacledetectionmethodwhichisbasedonslopedetectingandclusteranalysising.Meanwhile,inordertoenhancetherobustnessandstabilityoftheslopedetectionalgorithm,we
7、addedaflatstripmethodanddistancefilteringmethod,wereceivedabetterresults.KeywordsLaserRadar,ObstacleDetection,IntelligentVehicle1引言近年来，随着移动机器人、战场侦察车、车辆辅助驾驶、月球探测9自动化学报车的研究与应用日益增多，环境感知技术及环境感知传感器的研究也越来越多。智能车环境感知的一个重要问题是障碍物检测，进而进行车体定位、路径规划等后续工作。在众多的环境感知传感器中，激光扫描仪以其较高的测距精度及角度分辨率，在室
8、内及室外的障碍检测中被广泛使用。激光扫描仪能直接获取周围环境的距离数据，并能转换成三维坐标，这里面包括地面数据和障碍物数据
