《激光雷达在机器人中的应用(共6页).doc》由会员分享，可在线阅读，更多相关《激光雷达在机器人中的应用(共6页).doc（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上激光雷达在ALV中的应用 关键词：激光雷达 智能车辆 移动机器人 定位 障碍检测 laser range finder Extended Kalman Filter(EKF).结构：1：概述 2：激光雷达的分类 3：激光雷达测量时间的技术 4：激光雷达在ALV中的用途 5：举例LMS291-s05型号的激光雷达的特点和参数 6：激光雷达用于智能车定位 6.1 定位原理 6.2定位常用方法 7：激光雷达用于ALV的障碍检测 7.1ALV的安全性要求 7.2 激光雷达检测故障时要到的“漏报”和“虚警”现象 7.3 雷达安装位置的考虑 8：总结资料来源：Google 百度
2、知网、南理工图书馆学位论文、期刊、会议 未知环境中移动机器人导航控制理论与方法蔡自兴1：概述无论是室外环境下行驶的陆地自主车还是室内环境下运动的各种移动机器人（Autonomous Land Vehicle)，都离不开距离探测。而在有源测距仪中，激光测距雷达的精度相对较高，方向性较好，而且基本不受环境可见光变化的影响，因此无论在室内还是室外环境下的移动机器人的导航研究中都得到了广泛应用。激光测距雷达可以直接获取距离数据，为机器人的导航提供了便捷有效的环境描述。2：激光雷达的分类根据扫描机构的不同，激光测距雷达有2D和3D两种。它们大部分都是靠一个旋转的反射镜将激光发射出去并通过测量发射光和从物
3、体表面反射光之间的时间差来测距。3D激光测距雷达的反射镜还附加一定范围内俯仰以达到面扫描的效果。它们都是直接测距方法。同3D激光测距雷达相比，2D激光测距雷达只在一个平面上扫描，结构简单，测距速度快、系统稳定可靠。目前2D激光测距雷达主要在室内的移动机器人上应用较多，因为在室内的结构化环境下，地面平坦，所有障碍物又都垂直于地面，因此机器人只要能在平行于地面的平面上获取环境信息便己经足够导航的需要。很多室内移动机器人的应用，如环境的地图生成，机器人的自定位，避障等等的研究都是基于2D激光测距雷达的。但是，将2D激光测距雷达用于越野环境下的障碍物检测有相当的难度。由于越野地形复杂，高低不平，由此会
4、引起车体行驶时的剧烈颠簸。而2D激光测距雷达只能是单线扫描，因此不可避免的会引起比较严重的障碍物的漏检和虚报现象。3：激光雷达测量时间的技术激光测距雷达测量时间差有三种不同的技术:(l)脉冲检测法:直接测量反射脉冲与发射脉冲之间的时间差;(2)相干检测法:通过测量调频连续波的发射光束和反射光束之间的差频而测量时间差;(3)相移检测法:通过测量调幅连续波，的发射光束和反射光束之间的相位差而测量时间差。由于相位差的2兀周期性，因此这一方法测得的只是相对距离，而非绝对距离，4：激光雷达在ALV中的用途在陆地移动机器人的导航中，3D激光测距雷达应用得比较多。在移动机器人中中主要应用在以下三个方面:(1
5、)路标检测及地图匹配(2)越野行驶时建立地形图(3)障碍物检测5：举例LMS291-s05型号的激光雷达的特点和参数以LMS291-S05型号激光雷达为例进行分析，该型号是一种二维的激光雷达，只扫描一个平面的数据，其特点是：(1) 感知距离远，最大可达80米；覆盖角度范围大，最大可达180度；(2) 距离和角度测量精度高，分别可达5厘米和0.1度；(3) 扫描时间短，约为26.6毫秒，可以获得高车速情况下的实时测量；(4) 具有雾校正功能，对环境光线变化不敏感，适用于室外环境。LMS291-S05型号激光雷达详细的技术参数请见表1。其中比较重要的参数包括角度测量范围和角度分辨率、扫描周期、系统
6、误差。角度测量范围和角度分辨率决定了激光雷达得到的数据量；扫描周期是对定位算法实时性的评价标准；系统误差对整个定位过程的精度有很大影响。表1 LMS291-S05型号激光雷达的技术参数技术项目参数值测量距离80m/8m角度测量范围180/100角度分辨率1/0.5/0.25扫描周期13.3ms/26.6ms 数据传输速率500K Bd距离测量分辨率10mm系统误差（距离测量精度）5cm6：激光雷达用于智能车定位智能车，也称为无人自动驾驶车辆，是室外轮式移动机器人在交通领域的重要应用。智能车的关键技术大致包括定位技术、车辆控制技术和安全三个方面。而定位技术是智能车最基本的环节。在众多车载传感器中
7、，激光雷达测量精度高，已经成为大部分智能车车载的一种传感器。NavLab-11 智能车上就安装了激光雷达。Stanford 的Stanley 智能车和来自 CMU 的 BOSS 智能车都使用了来自德国SICK公司的LMS激光雷达6.1 定位原理基于激光雷达的智能车定位，其主要原理是采用将智能车的位置传感器(如里程计、惯性导航单元或者GPS等)提供的信息和外部环境传感器(二维激光雷达等)提供的信息进行融合，从而得到智能车的精确定位。之所以这样做，是因为仅仅依靠位置传感器无法实现精确定位，里程计的输出结果会随着运动距离的增加而出现越来越大的累积误差；惯导的输出也有漂移，导致积分后的位置信息出现偏差
8、；GPS的输出只有位置信息，而不包含重要的车辆朝向角信息。尽管如此，在运动定位中，一般来说位置传感器是不可缺少的，它提供了智能车的大致的定位信息，在此基础上，外部环境传感器从环境中感知的信息用来在小范围内和已知地图匹配，实现对位置传感器定位的校正。如果没有位置传感器的辅助，仅靠外部环境传感器获得的大量不确定和不完全的信息实现智能车的大范围的位置估计就变得很困难。6.2定位常用方法具体的方法有基于蒙特卡罗(Monte Carlo)的定位方法、基于角度直方图的定位方法、基于特征提取和匹配的定位方法等。基于蒙特卡罗的定位方法是一种基于概率的定位方法，需要建立起激光雷达传感器的概率模型。由于传感器概率
9、模型的准确性直接影响到定位的结果，又由于传感器概率模型的获取比较复杂困难，因此这种方法具有一定的局限性。基于角度直方图的定位方法是匹配相邻两帧的激光雷达数据，比较两帧之间的位置偏移量和角度偏移量，从而得到智能车辆的位姿估计。这种做法要求运动环境中具有比较明显的线段特征，而且其精度由于与直方图的分辨率有关而十分有限。基于特征提取和匹配的定位方法，是根据激光雷达数据的特点，利用点和线段特征来描述环境；提取出当前时刻的点或线段特征，与已知地图进行匹配，从而得到车辆的位姿估计。这种方法需要建立环境的地图，并在已知地图的基础上进行定位，因此这种方法也可以称为基于地图的定位方法。该方法关键问题是对环境地图
10、的描述和地图自动生成问题、环境地图的匹配问题、以及定位的精度问题。7：激光雷达用于ALV的障碍检测任何一种智能移动机器人，要实现在未知环境下的自主导航，都必须以有效而可靠的环境感知为基础。依赖于一种传感器或多种传感器的组合，并配以合适的传感器信息处理方法，机器人才能得到一些对自身所处环境的估计，进而做出决策。障碍检测系统的根本目的是为了检测出ALV前方的可能障碍，为ALV提供宋全保障。7.1 ALV的安全性要求一个自主导航系统的安全性要求归为如下四类:系统反应能力:道路通过比;系统敏锐度;系统可信度。系统的反应能力指的是当ALV发现障碍后开始紧急刹车，确保在车体撞到障碍之前停车的能力。道路通过
11、比指的是由于传感器采集道路信息也需要时间，但同时车体又在前进，为了确保道路区域不被漏检，在传感器采集信息的一个周期里车体前进的距离和采集的距离之比应小于1。系统敏锐度指的是为确保障碍物的信息可靠，检测系统必须具有的最低分辨率。系统可信度指的是当己经有一条规划好的避障路径后，ALV能严格忠实地执行该路径的能力。7.2 激光雷达检测故障时要到的“漏报”和“虚警”现象事实上，一般来说，障碍物体总是最先从较远处开始慢慢进入LMS的视野。在这种情况下，体积和形状较小的障碍物在距离图上可能只表现为极少数的几个点。这样，激光雷达的扫描姿态角的微小变化都有可能会导致障碍物从距离图中消失或者把道路中的其他物体(
12、如地面)误识为障碍物，也就是说可能会发生障碍物的“漏报”和“虚警”现象。这是单线扫描雷达的一个致命的弱点，而对于类似LIRS的阵面成像雷达，则除了在扫描区域的边缘部分之外，雷达扫描角的变化对测距产生的影响就不会达到发生“漏报”和“虚警”的地步。要从根本上解决或缓解LMS的“漏报”和“虚警”现象的唯一途径是设法提高雷达安装机构的有效防震和减震能力。值得一提的是，由于LMS工作时整个设备没有需要活动的机械部件，所以它的防震和减震设计上的难度又要比LIRS的相关设计的难度要小一些。同时，在数据处理的方法和算法上，也有许多余地可以让我们在一定程度上缓解“漏报”和“虚警”对及时而有效的障碍识别的影响。7
13、.3 雷达安装位置的考虑对于越野环境下的障碍物检测，传感器应该是尽量装得高一些。因为安装得越高，就越能看清楚车辆前方的区域。对越野环境下的地形检测，传感器的视野被遮断是需要解决的最严重的问题。而传感器安装得越高，视野被遮断的可能性也就越小，它还能够看到障碍后方的区域。越野行驶的自主系统一般都是直接驶过小障碍而绕过大的障碍。实际上它还要求能检测下凹形状的障碍，如沟渠、凹坑等，因为这也对系统安全性造成了很大的威胁。为了能检测这些凹障碍，传感器也应该安装得尽量高一些。然而，对于准结构化和结构化道路来说，要求在较远距离内检测出小障碍。由前面的讨论可知，雷达安装位置越低，对小障碍的检测越有利，因为它能持
14、续扫描到障碍物的时间越长，因而能更可靠地实现一个障碍物的跟踪。但是如果光依靠底雷达，根据我们前面的讨论，它对于路面地形变化的场合，如凸或凹形的上下坡，由于它的前视距离会受到很大程度的影响，因此测障能力会受到很大的削弱。而且对于高低不平的越野地形，要用底雷达来进行测障几乎是不可能的。所以综合上述考虑，我们认为采用两个激光测距雷达分别安装在不同位置的方案是较好的选择。顶雷达前视距离远，分辨率也高些;底雷达要求刷新率高，分辨率可以低些。两个雷达信息具有很强的互补性。通过一定的方法加以融合，就能达到障碍检测的要求。8总结 在众多车载传感器中，激光雷达测量精度高，已经成为大部分智能车车载的一种传感器，主要用于路标检测、地图创建，以及障碍物检测等，因此基于激光雷达技术也受到重视。专心-专注-专业