无人车技术的现况与未来发展趋势.doc

无人车技术的现况与未来发展趋势.doc

ID:28095776

大小:146.00 KB

页数:8页

时间:2018-12-08

无人车技术的现况与未来发展趋势.doc_第1页
无人车技术的现况与未来发展趋势.doc_第2页
无人车技术的现况与未来发展趋势.doc_第3页
无人车技术的现况与未来发展趋势.doc_第4页
无人车技术的现况与未来发展趋势.doc_第5页
资源描述:

《无人车技术的现况与未来发展趋势.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、无人车技术的现况与未来发展趋势  近年来,无人驾驶技术得到了迅猛的发展。如何实现高精度行车定位是实现大规模无人驾驶的一大障碍。目前,全球定位系统(GPS)的定位技术是使用最广泛的车辆定位手段,然而无人车在城市环境中,GPS多路径反射的问题会很明显。这样得到的GPS定位信息很容易就有误差。对于在有限宽度高速行驶的汽车来说,这样的误差很有可能导致交通事故。差分GPS(DGPS)利用GPS伪距码可以达到1-2米的精度,但这还远远的精度要求。惯性导航系统(INS)在GPS信号衰减或信号丢失时经常被用来定位车辆,但极易产生累积误差。为了实现无人驾驶车道级的定位需

2、求,利用多定位源进行辅助定位是研究热点。本文从车载传感器和射频信号等定位源,综述了现有满足车道级定位需求的各种定位手段,指出了各种定位源优缺点,并讨论了无人车高精度定位的未来发展。  2无人车高精度定位现状  目前,主要使用有GNSS信号、车载传感器信号和射频信号等定位信号源。GPS能提供全局环境的定位,是具有当前无人车定位不可或缺的技术。INS具有短期定位精度与数据采样频率较高的特点,为GPS系统提供相关辅助信息。然而由于无人驾驶对可靠性和安全性要求非常高,在复杂的环境中,基于GPS和惯性传感器的定位并不能实现车道级的高精度定位,因此常常需要结合其他

3、定位方式。  2.1基于RTK的定位方法  RTK是利用载波相位差分进行实时动态相对定位的技术。基准站将观测数据通过通信链路传送到附近的若干移动站接收机。移动站通过接收的数据、基准站的位置和采集的GPS观测数据进行载波相位差分定位。从而求得精确的位置信息。当基准站只有一个时为单基站差分GPS系统。当有多个基准站时,即为多基准站差分GPS系统,也称为网络RTK(NRTK,NetworkRTK)。  2016年5月,基于我国自主建设的北斗卫星导航系统(BeiDouNavigationSatelliteSystem,BDS)的千寻北斗地基增强网络开始向用户提

4、供高精度定位服务。该服务基于RTK的差分定位原理,依托遍布全国的卫星定位地基增强站,融合各类定位技术,以互联网的方式提供全天候高可用的差分播发服务。黄永帅等人在武汉、重庆两地分别对千寻北斗地基增强网络的RTK定位服务进行了性能测试。结果表明,其定位性能能够达到实时RTK厘米级。  2.2基于车载传感器的定位方法  车载传感器一般包括GPS/IMU、激光雷达、相机和微波雷达。  2.2.1基于视觉定位方法  JuliusZiegler等人利用视觉检测车道线和类似道路,然后再基于精确的地图进行相对定位。他们开发的无人车Bertha经过实测,在精度方面能与能

5、实现车道级的定位精度。GerritBagschik等人也提出了使用车道级地图进行地图相对定位的方法。这些方法均需要预先建立精准的地图,同时地图还需不断的更新。DayangNur等人利用传统的单目视觉测距系统与GPS融合结合OpenStreetMap地图提供的道路信息确定每个车道的概率因子,从而实现了车道级的定位。  在无地图的定位方案方面中,视觉里程计(visualodometry)是目前研究的热点。视觉里程计是以单个或多个摄像机在运动过程中釆集的图像为输入信息来估计摄像机旋转和平移运动的定位方法。视觉里程计分为双目和单目这两种。单目视觉里程计自身由于

6、无法推算出所观察物体的尺度信息,而需借助先验信息或来自其他传感器的的结合去进行准确的定位。双目视觉里程计通过左右图像的三角化计算出特征点的深度值,然后从深度信息中推算出物体的大小。双目视觉里程计的具体计算流程如图1。    图1双目视觉里程计的具体计算流程  张高明采用SURF特征描述子,基于快速近似最近邻(FLANN)算法进行前后帧的匹配,基于RANSAC算法对匹配对集合进行有效性筛选,并依据三角化方法估计匹配点对的三维坐标,最后,基于P3P算法由匹配对估计前后帧的相对运动。从而实现了基于视觉里程计的自定位。  SLAM起源于机器人领域,SLAM问题

7、可以描述为:机器人在未知的环境中进行移动,在移动的过程中根据位置估计和传感器数据进行定位,同时创建增量式的地图,目前,基于视觉的同时定位与地图构建技术(V-SLAM)迅速发展。同时也为无人车利用视觉同时定位与地图构建奠定了基础。  2.2.2基于激光雷达点云数据与高精地图匹配方法  激光雷达(LiDAR)一般由激光光源发射机、光学接收设备、信息处理系统等部分组成。电脉冲通过激光光源发射器转变为光脉冲发射,光学接收设备将目标反射来的光波信息转变为电脉量。通过从接收到反射的时间差来测量距离目标的距离,在结合激光发射的角度推导出位置信息。在无人车行车的过程中

8、,激光雷达以一定的频率匀速转动,在这个过程中不断地发出激光并收集反射点的信息,每旋转一周收集到

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。