摘要：提出一种基于多传感器融合的用于非结构化环境下无人驾驶车辆跟驰应用的方法,旨在解决无人驾驶车辆跟驰任务中对引导车辆的局部定位问题,实时获取引导车辆的相对位置和速度.首先以任务需求为导向,通过实车实验结果完成针对非结构化环境特点的传感器选型工作.对所选毫米波雷达和相机设计联合标定流程,实现数据空间融合.设计与目标距离相关的横向距离约束阈值,以及基于历史帧数据变化可靠性分析,解决非结构化环境下雷达数据跳变和虚检现象,实现雷达有效目标提取;考虑相机小孔成像原理,提出大小可变候选车辆检测框生成.最后基于主流的目标检测深度学习框架,设计跟车应用中信息输出流程.实车测试结果表明,该方法可以满足非结构化环境下车辆跟驰应用的基本需求,输出结果有一定的稳定性和精度.

摘要：为了满足无人平台在越野环境下碰撞检测以及定位的需求、解决三维点云地图处理计算资源耗费大的问题,设计一种适用于越野环境的同步定位与地图创建方案。提出一种拓扑层次地图,将整个地图划分为多个具有层级结构的三维体素子地图,并以概率方法表示每个体素的状态,进而提取可通行区域。基于三维激光雷达和惯性测量单元,提出一种基于分支定界法的旋转直方图最近邻匹配实时闭环检测方法,并使用Ceres优化稀疏位姿图实现6自由度全局位姿实时优化。越野环境下的实验结果显示:该地图的创建以及可通行区域的提取效果良好,全局定位误差在1 m以内,姿态基本与参考高精度惯性导航系统保持一致;基于该方案提取的可通行区域以及位姿优化结果可满足无人平台实时运动的需求。