激光雷达的智能导航小车的设计研究(附件)【字数：9228】
摘 要本篇论文研究通过激光雷达进行周围环境及障碍物距离的数据采集，并且将数据发送给STM32主控芯片，控制小车进行自主导航或泊车。本论文目的为了解决自动导航以及自动泊车，采用激光雷达进行测距，对周围环境及障碍物进行测距判断，将地图在一块TFT显示屏上显示，并规划出小车的行驶路线，并通过STM32控制小车完成自动导航泊车。 该系统由智能小车、激光雷达、红外对管等模块组成，可以实现自动导航和自动泊车功能，具有自主采集分析周围障碍物并做出正确判断的特点，可以应用于当今的无人驾驶和自动驾驶技术上，目的为解决未来道路的拥堵，并为人们提供更加安全和方便的出行方式。
目 录
一、 绪论 1
（一） 研究背景及现状 1
（二） 研究内容 2
二、 设计方案讨论 3
（一） 硬件系统总体设计 3
（二） 小车结构设计 3
（三） 主要元器件介绍 5
三、 硬件模块电路设计 10
（一） 主控芯片STM32F103RCT6 10
（二） L298N电机驱动模块 10
（三） 红外对管 11
（四） TFT显示屏 12
（五） 激光雷达 12
四、 软件程序设计 14
（一） 程序系统总体设计方案 14
（二） 激光雷达数据采集方案 15
（三） 减速电机控制方案 16
（四） 红外对管检测方案 18
（五） 红外遥控方案 18
五、 整体系统调试与实现 20
（一） 自动导航泊车调试 20
（二） 手动导航泊车调试 21
（三） 调试结果分析 21
六、 总结 23
致谢 24
参考文献 25
附录一 电路图 27
附录二 实物图 28
附录三 程序 29
一、 绪论
（一） 研究背景及现状
1.研究背景
随着科技的发展，人工智能、无人驾驶技术正逐渐进入人们视线，包括汽车行业也朝着无人驾驶、汽车智能化方向发展，在未来交通 *好棒文|www.hbsrm.com +Q: ^351916072*
出行方面，人们需要更加安全和便捷的交通方式，无人驾驶已经成为了未来汽车发展的必然趋势。
随着无人驾驶技术的发展，大量自动及半自动驾驶汽车上开始应用激光雷达，用于获取车辆四周的障碍物信息以及本车的位置和姿态信息，并且通过车上的智能驾驶系统对车身进行调整。在车辆靠近障碍物或其他车辆与本车距离过近时，车载智能驾驶系统将会发出指令控制汽车避开其它车辆或障碍物，从而提高智能驾驶系统的安全性。
本论文以配备四轮驱动的智能小车为平台，由STM32F103为控制核心，在小车上搭载激光雷达，用于对四周环境及障碍物的距离采集以及地图绘制，以研究设计一款基于激光雷达的智能导航小车，并具有智能泊车功能。本设计中的小车为无人驾驶汽车的模型，通过对小车研究智能泊车系统，模拟智能驾驶汽车在自动泊车过程中采集信息并自动驾驶。本设计针对汽车在车库中自动导航泊车进行探索和研究，为汽车在无人驾驶以及自动泊车等技术的应用奠定了理论和技术基础。
2.国内外研究现状
（1）国外研究现状：
Li‐Ta Hsu在2019年发表的的一篇《Correcting NLOS by 3D LiDAR and building height to improve GNSS single point positioning》中提出采用三维点云数据对建筑距离和建筑边缘的顶部结构进行提取和识别，是带有激光雷达的无人汽车可以识别到周围建筑物信息[1]。
J.Andrew Royle在2020年发表的《Acoustic space occupancy: Combining ecoacoustics and lidar to model biodiversity variation and detection bias across heterogeneous landscapes》一文中，采用新的分析框架，使用激光雷达对森林进行模拟探测性研究，并构建出物理模型，观察动物活动，模拟车辆在森林中的识别状况[2]。
Asad Lesani在2020年的一篇《Development and evaluation of a realtime pedestrian counting system for highvolume conditions based on 2D LiDAR》一文中为人员流动的密集场所，提供了一款实时计算周围行人走动数据的激光雷达探测方案，适用于无人驾驶行驶在人员密集的道路[3]。
（2）国内研究现状：
中山大学新华学院在2019年发表的《ROS系统的激光SLAM视觉智能勘察小车》中，通过结合激光SLAM与深度摄像头，提升小车的数据采集能力，并结合ROS系统的图形化模拟环境，对智能小车的位置进行估计与构建的地图，实现了小车的自主定位和导航[4]。
北京航空航天大学交通科学与工程学院在2020年《基于三维激光点云的目标识别与跟踪研究》中针对无人车环境感知中的障碍物检测问题，设计了一套基于车载激光雷达的目标识别与跟踪方法，有效提高了检测的实时性[5]。
西南交通大学和公安部交通管理科学研究所在2020年发表的一篇《智能车辆仿真场景建模方法》的文章中，为实现智能汽车仿真开发与测试，分析了不同类型仿真对场景模型或数据的需求，探讨了视景模型、物理层模型、传感层模型的内容[6]。
（二）研究内容
本文主要研究设计一款以STM32为核心，能够采集周围环境及障碍物距离绘制地图，并自动导航泊车的智能小车。小车主要结构由直流减速电机、STM32控制板、L298N、激光雷达、红外对管等构成。主要研究内容有：
1.在STM32上搭建系统平台，用于接收激光雷达的反馈信息，以及控制电机驱动模块。
2.在STM32上编写激光雷达和TFT显示屏的驱动程序。
3.通过keil编写STM32核心控制程序，包括对周围环境以及障碍物的距离分析判断，和对直流减速电机的控制。
目 录
一、 绪论 1
（一） 研究背景及现状 1
（二） 研究内容 2
二、 设计方案讨论 3
（一） 硬件系统总体设计 3
（二） 小车结构设计 3
（三） 主要元器件介绍 5
三、 硬件模块电路设计 10
（一） 主控芯片STM32F103RCT6 10
（二） L298N电机驱动模块 10
（三） 红外对管 11
（四） TFT显示屏 12
（五） 激光雷达 12
四、 软件程序设计 14
（一） 程序系统总体设计方案 14
（二） 激光雷达数据采集方案 15
（三） 减速电机控制方案 16
（四） 红外对管检测方案 18
（五） 红外遥控方案 18
五、 整体系统调试与实现 20
（一） 自动导航泊车调试 20
（二） 手动导航泊车调试 21
（三） 调试结果分析 21
六、 总结 23
致谢 24
参考文献 25
附录一 电路图 27
附录二 实物图 28
附录三 程序 29
一、 绪论
（一） 研究背景及现状
1.研究背景
随着科技的发展，人工智能、无人驾驶技术正逐渐进入人们视线，包括汽车行业也朝着无人驾驶、汽车智能化方向发展，在未来交通 *好棒文|www.hbsrm.com +Q: ^351916072*
出行方面，人们需要更加安全和便捷的交通方式，无人驾驶已经成为了未来汽车发展的必然趋势。
随着无人驾驶技术的发展，大量自动及半自动驾驶汽车上开始应用激光雷达，用于获取车辆四周的障碍物信息以及本车的位置和姿态信息，并且通过车上的智能驾驶系统对车身进行调整。在车辆靠近障碍物或其他车辆与本车距离过近时，车载智能驾驶系统将会发出指令控制汽车避开其它车辆或障碍物，从而提高智能驾驶系统的安全性。
本论文以配备四轮驱动的智能小车为平台，由STM32F103为控制核心，在小车上搭载激光雷达，用于对四周环境及障碍物的距离采集以及地图绘制，以研究设计一款基于激光雷达的智能导航小车，并具有智能泊车功能。本设计中的小车为无人驾驶汽车的模型，通过对小车研究智能泊车系统，模拟智能驾驶汽车在自动泊车过程中采集信息并自动驾驶。本设计针对汽车在车库中自动导航泊车进行探索和研究，为汽车在无人驾驶以及自动泊车等技术的应用奠定了理论和技术基础。
2.国内外研究现状
（1）国外研究现状：
Li‐Ta Hsu在2019年发表的的一篇《Correcting NLOS by 3D LiDAR and building height to improve GNSS single point positioning》中提出采用三维点云数据对建筑距离和建筑边缘的顶部结构进行提取和识别，是带有激光雷达的无人汽车可以识别到周围建筑物信息[1]。
J.Andrew Royle在2020年发表的《Acoustic space occupancy: Combining ecoacoustics and lidar to model biodiversity variation and detection bias across heterogeneous landscapes》一文中，采用新的分析框架，使用激光雷达对森林进行模拟探测性研究，并构建出物理模型，观察动物活动，模拟车辆在森林中的识别状况[2]。
Asad Lesani在2020年的一篇《Development and evaluation of a realtime pedestrian counting system for highvolume conditions based on 2D LiDAR》一文中为人员流动的密集场所，提供了一款实时计算周围行人走动数据的激光雷达探测方案，适用于无人驾驶行驶在人员密集的道路[3]。
（2）国内研究现状：
中山大学新华学院在2019年发表的《ROS系统的激光SLAM视觉智能勘察小车》中，通过结合激光SLAM与深度摄像头，提升小车的数据采集能力，并结合ROS系统的图形化模拟环境，对智能小车的位置进行估计与构建的地图，实现了小车的自主定位和导航[4]。
北京航空航天大学交通科学与工程学院在2020年《基于三维激光点云的目标识别与跟踪研究》中针对无人车环境感知中的障碍物检测问题，设计了一套基于车载激光雷达的目标识别与跟踪方法，有效提高了检测的实时性[5]。
西南交通大学和公安部交通管理科学研究所在2020年发表的一篇《智能车辆仿真场景建模方法》的文章中，为实现智能汽车仿真开发与测试，分析了不同类型仿真对场景模型或数据的需求，探讨了视景模型、物理层模型、传感层模型的内容[6]。
（二）研究内容
本文主要研究设计一款以STM32为核心，能够采集周围环境及障碍物距离绘制地图，并自动导航泊车的智能小车。小车主要结构由直流减速电机、STM32控制板、L298N、激光雷达、红外对管等构成。主要研究内容有：
1.在STM32上搭建系统平台，用于接收激光雷达的反馈信息，以及控制电机驱动模块。
2.在STM32上编写激光雷达和TFT显示屏的驱动程序。
3.通过keil编写STM32核心控制程序，包括对周围环境以及障碍物的距离分析判断，和对直流减速电机的控制。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/qcgc/328.html
