摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-16页 |
1.1 选题背景及意义 | 第11-13页 |
1.2 国内外智能车辆视觉导航系统研究现状 | 第13-14页 |
1.3 现有智能车辆视觉导航系统存在的问题 | 第14-15页 |
1.4 课题来源及主要研究内容 | 第15-16页 |
第2章 高可靠性车道线识别软件的研究 | 第16-25页 |
2.1 引言 | 第16页 |
2.2 车道线识别的高可靠性方法 | 第16-20页 |
2.2.1 结构化道路车道线识别的特点 | 第16页 |
2.2.2 感兴趣区域的设定 | 第16-17页 |
2.2.3 霍夫变换 | 第17-18页 |
2.2.4 滤波方法设计 | 第18-20页 |
2.3 车道线识别的软件实现 | 第20-21页 |
2.3.1 基于 OpenCV 的车道线识别软件的开发 | 第20页 |
2.3.2 车道线识别软件的开发 | 第20-21页 |
2.4 车道线识别软件的试验验证 | 第21-24页 |
2.4.1 晴朗天气下的无干扰识别测试 | 第21-22页 |
2.4.2 天桥阴影干扰下的识别测试 | 第22页 |
2.4.3 阴雨天气下的有干扰识别测试 | 第22页 |
2.4.4 夜晚车灯补光的识别测试 | 第22-23页 |
2.4.5 隧道里的识别测试 | 第23-24页 |
2.4.6 光强切换工况的识别测试 | 第24页 |
2.5 本章小结 | 第24-25页 |
第3章 智能车辆视觉导航系统建模与仿真 | 第25-38页 |
3.1 引言 | 第25页 |
3.2 MATLAB/SIMULINK 在系统建模与仿真中的应用 | 第25-26页 |
3.3 智能车辆视觉导航系统数学模型构建 | 第26-29页 |
3.3.1 车道线模型定义与视觉选择性注意力动力学 | 第26-27页 |
3.3.2 考虑预瞄距离的视觉模型 | 第27-28页 |
3.3.3 简化车辆横向动力学模型的构建 | 第28-29页 |
3.4 基于 SIMULINK 的控制系统仿真试验 | 第29-37页 |
3.4.1 PID 控制器设计与数值仿真 | 第30-32页 |
3.4.2 模糊控制器设计与数值仿真 | 第32-35页 |
3.4.3 拟人控制器设计与数值仿真 | 第35-37页 |
3.5 本章小结 | 第37-38页 |
第4章 智能车辆视觉导航系统云决策算法设计 | 第38-52页 |
4.1 引言 | 第38页 |
4.2 不确定性人工智能理论 | 第38页 |
4.3 云模型在拟人决策中的应用 | 第38-42页 |
4.3.1 云模型 | 第38-40页 |
4.3.2 云模型与拟人决策 | 第40-42页 |
4.4 云决策算法的设计 | 第42-46页 |
4.4.1 输入云化处理 | 第43页 |
4.4.2 决策规则库的设计 | 第43-44页 |
4.4.3 输出逆云化处理 | 第44-46页 |
4.4.4 云决策算法与模糊控制之间的区别 | 第46页 |
4.5 云决策算法的仿真分析 | 第46-51页 |
4.5.1 不同速度下的仿真试验 | 第46-48页 |
4.5.2 不同预瞄常数下的仿真试验 | 第48-49页 |
4.5.3 与 PID 控制、模糊控制和拟人控制的对比仿真分析 | 第49页 |
4.5.4 降低转向系统执行器精度的对比仿真分析 | 第49-51页 |
4.6 本章小结 | 第51-52页 |
第5章 缩微智能车验证平台的研制与试验 | 第52-69页 |
5.1 引言 | 第52页 |
5.2 缩微智能车辆视觉导航系统的研制 | 第52-62页 |
5.2.1 机械结构的改装设计 | 第52-53页 |
5.2.2 下位机电路板设计 | 第53-55页 |
5.2.3 下位机软件设计 | 第55-62页 |
5.3 决策层软硬件设计 | 第62-64页 |
5.3.1 硬件选型 | 第62页 |
5.3.2 云决策算法的软件实现 | 第62-64页 |
5.4 环境感知层软硬件设计 | 第64-66页 |
5.5 道路试验 | 第66-68页 |
5.6 本章小结 | 第68-69页 |
总结与展望 | 第69-71页 |
参考文献 | 第71-75页 |
致谢 | 第75-77页 |
附录A 攻读学位期间发表的论文 | 第77-78页 |
附录B 云决策代码 | 第78-81页 |