论文部分内容阅读
泊车车位检测是实现自动泊车的关键技术。现有泊车车位检测主要针对规则停车位,但实际泊车环境存在大量规划和停靠不规则的情况,当车辆进行泊车车位检测时,往往检测准确率低,且需要人工干预调整检测多种车位场景,智能化水平低。因此,针对性的研究车辆在不规则车位情况下的泊车车位检测问题并提高其智能化水平十分必要,对提高泊车车位检测方法的场景适应性具有重要价值。论文针对上述问题,利用激光雷达作为环境感知手段,提出了考虑车辆轮廓特性的数据聚类算法,给出了更适应车辆轮廓提取的线段拟合方法。通过建立泊车车位空间模型,提取模型参数,进而建立了基于多输入多规则模糊推理系统的车位智能检测方法。最后完成了基于2D激光雷达的泊车车位智能检测系统的设计。主要内容包括:(1)考虑车辆轮廓特征的激光雷达数据聚类方法。通过对激光雷达的扫描原理、车位的相对位置关系以及车辆的轮廓特征进行分析,基于激光雷达传感器在进行车位扫描时存在的数据特性规律,对自适应阈值聚类方法进行改进,提出了一种基于改进型的自适应阈值聚类方法,对比实验的结果表明,该方法在实时性和准确性均优于传统算法。(2)考虑过合并和过分割问题的线段拟合方法。针对目前的线段拟合方法存在过合并和过分割问题,通过分析LT算法和IEPF算法的特点,提出融合了LT算法和IEPF算法各自优点的LT-IEPF线段拟合算法,并改进了合并时的阈值选取方法。对比实验表明,该算法能有效降低线段拟合误差,在环境感知的准确性上优于改进前的算法。(3)基于多输入多规则模糊推理系统的泊车车位智能检测方法。首先对泊车车位进行空间建模,并计算空间模型相关参数。将多输入多规则模糊推理系统应用到车位检测环境中来,将提取的空间模型参数作为输入,车位检测结果作为输出,对车位进行检测,同时输出车位类型。通过Prescan仿真软件搭建仿真环境,并与传统算法进行对比实验表明,对不规则车位准确度更高,且适用多种车位场景,适应性和智能化程度更好。综合以上研究成果,对基于2D激光雷达的泊车车位智能检测系统进行了设计与实现。应用结果表明,本文设计的车位智能检测系统能够准确的检测不规则停车位,并对多种车位场景具有很好的适应性。