随着感知传感器的快速发展,使用激光雷达进行环境感知已成为自动驾驶领域重点研究课题之一。激光雷达具有不易受天气影响且可直接获取障碍物的基本形状、位置、强度等信息的特点,在自动驾驶的环境感知及定位中应用较为广泛。本文主要围绕激光雷达研究其运动补偿问题、环境感知中地面检测、障碍物检测、障碍物的跟踪以及激光雷达与惯性导航实现定位。本文主要工作如下:1、激光雷达的运动补偿。激光雷达运动补偿是智能车动态背景目标检测中不可避免的过程,首先通过四元数法求解车体在上一个扫描周期与当前扫描周期位姿变化矩阵。其次,根据静态场景的特点以及历史激光雷达数据帧生成的数据包,利用高斯混合模型对时间T坐标系下的背景进行建模,得到t时刻运动目标的特征点,将特征点与当前帧中符合的点相匹配,进一步细化点在当前帧中的新位置。2、激光雷达的地面检测。激光雷达点云的地面精确分割是自动驾驶环境感知的重要预处理任务,是障碍物检测、分类和动态目标跟踪的基础。首先在选取特征点前将无效点去除。然后将激光雷达为中心的圆以2°为一份划分为180个扇形区域,找出投影在每个扇形区域的Z值最小的点,以这些点为依据筛选出每个扇形区域中与该区域最小Z值点的高度差符合范围内的点,采用随机抽样一致性算法进行平面拟合得到平面方程。最后循环遍历所有点,将这些点的Z值与拟合平面高度比较,进行地面的检测。3、激光雷达的障碍物检测及跟踪。激光雷达扫描点云是扇形分布的,在进行障碍物检测与跟踪前,先采用极坐标栅格法对扫描到的障碍物进行投影聚类,实现障碍物的分类。然后对已分类的物体基于霍夫直线检测确定该物体的主方向,将直线的主方向绕原点进行旋转至与X轴平行,遍历所有点,找出最大最小点,画出与主坐标平行的外框,再将具有外框的数据旋转回原来的位置,以Z轴方向上点的最小值与最大值确定立体框图,根据立体框图体积的大小实现障碍物的识别。最后通过匈牙利算法对被跟踪物体与新检测到物体间关联矩阵进行最优解查找,实现障碍物的跟踪。4、激光雷达与惯性导航实现定位。本文定位应用场景是GPS在短期失效导致定位数据无法使用时,使用激光雷达与惯性导航实现短时间的精确定位。首先使用GNSS与惯性导航组合导航数据和激光雷达对实验区域构建点云地图。然后在实际定位的时候,使用激光雷达扫描的数据和事先构建的高精度地图进行点云匹配,确定无人车在地图中的具体位置。5、实验研究。本文基于RS-Li DAR-16激光雷达和GPS/IMU组合导航搭建实验平台,验证基于激光雷达的运动补偿、地面检测、障碍物的检测及跟踪实验。实验地点为司南导航公司周边的道路,汽车平均行驶速度在10-15 km/h之间。实验结果表明:本文提出的运动补偿算法具有良好的运动补偿性能,可以应用在运动目标的实时检测中;地面检测算法可以实现周围障碍物与地面的分类。在地面检测的基础上进行障碍物检测和跟踪实验,可以对障碍物进行准确检测并对车辆实现稳定跟踪;基于搭建好的地图进行激光雷达与惯性导航定位实验,在GPS失效时能实现实时定位,最终定位误差小于等于0.165m。