随着无人驾驶碾压机被广泛应用于工程建设领域,其作业安全成为亟待解决的问题。实际碾压机作业区域中环境复杂,障碍物种类繁多且运动轨迹多变,这给无人驾驶碾压机作业安全带来极大挑战。为解决以上问题,保障无人驾驶碾压机作业安全,本文基于车载毫米波雷达研究对碾压机周围障碍物有效分类和精准轨迹预测方法,并基于此提出一种结合目标类别和预测轨迹的分类避障策略。具体研究内容如下:1)针对毫米波雷达感知信息局限性,提出一种目标深度感知与分类方法。该方法基于雷达原始测量信息,包括目标位置、速度和信号反射强度,结合物理特性深度感知目标航向、类别等信息。本文首先针对车辆定位感知问题设计多体系统车辆定位修正算法优化定位信息。其次针对雷达原始信息不稳定性问题进行了卡尔曼滤波处理,将目标状态测量误差降低59.34%。最后基于优化结果,提出基于支持向量机的目标分类方法,通过分析人车数据特征差异性,采用支持向量机方法使得人车分类准确率达到98.83%。2)针对现场障碍物轨迹不确定性,提出一种高斯过程回归和运动学模型交互的目标轨迹预测算法。该方法首先基于现场数据分析了障碍物轨迹特征,建立运动学模型对其进行描述。然后结合障碍物历史轨迹信息,采用高斯过程回归方法学习目标运动学特征参数。最后采用基于误差反馈的模型交互方法,得到目标未来预测轨迹。基于实车数据的离线验证结果表明,该方法在未来2秒内预测误差均值为0.24m,4秒内预测误差均值为0.47m。3)针对无人驾驶碾压机作业场景特殊性,设计了一种基于目标类别与轨迹预测的分类避障策略。基于现场避障需求,对于行人目标设计基于安全距离的危险评估方法,从横向和纵向两个维度判断行人目标危险等级。对于车辆目标设计基于预测轨迹的碰撞检查和基于碰撞时间的危险评估方法,实现对车辆目标的危险等级划分。最后基于危险程度采取不同避障措施。通过现场实车测试,极端情况下该方法能够保证在0.6m安全范围内采取紧急制动措施,对于常规运动目标,100%保障作业安全。