| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 课题研究背景及意义 | 第9-15页 |
| 1.1.1 国外智能车领域研究现状 | 第10-12页 |
| 1.1.2 国内智能车领域研究现状 | 第12-15页 |
| 1.2 无人驾驶车导航定位系统概况 | 第15-17页 |
| 1.2.1 基于全球卫星系统的导航定位技术 | 第15页 |
| 1.2.2 基于惯性传感器的导航定位技术 | 第15-16页 |
| 1.2.3 基于激光雷达的地图匹配导航定位技术 | 第16页 |
| 1.2.4 基于机器视觉的导航定位技术 | 第16-17页 |
| 1.3 论文的研究工作及结构安排 | 第17-21页 |
| 1.3.1 课题来源及主要研究内容 | 第17-18页 |
| 1.3.2 论文结构安排 | 第18-21页 |
| 第2章 导航定位系统原理与特性分析 | 第21-47页 |
| 2.1 引言 | 第21页 |
| 2.2 GPS全球定位系统 | 第21-31页 |
| 2.3 惯性导航系统INS | 第31-39页 |
| 2.3.1 惯性导航系统原理及组成 | 第31-33页 |
| 2.3.2 坐标系系统 | 第33-35页 |
| 2.3.3 坐标系转换 | 第35-37页 |
| 2.3.4 惯导系统误差分析 | 第37-39页 |
| 2.4 GPS/INS组合导航系统 | 第39-45页 |
| 2.5 本章小结 | 第45-47页 |
| 第3章 导航系统中运动模型建立 | 第47-57页 |
| 3.1 引言 | 第47页 |
| 3.2 非机动运动目标模型 | 第47-48页 |
| 3.3 机动模型 | 第48-51页 |
| 3.3.1 Singer模型 | 第48-49页 |
| 3.3.2 当前统计模型 | 第49-51页 |
| 3.4 CV、CA、singer、CS模型对比 | 第51-53页 |
| 3.5 交互式多模型 | 第53-56页 |
| 3.6 本章小结 | 第56-57页 |
| 第4章 基于机器视觉筛选GPS卫星信号的组合导航方案 | 第57-69页 |
| 4.1 引言 | 第57-58页 |
| 4.2 基于视觉筛选的组合导航方法 | 第58-59页 |
| 4.3 建筑物正当角度识别 | 第59-65页 |
| 4.3.1 机器视觉模块坐标定义 | 第59-61页 |
| 4.3.2 图像处理方法 | 第61-65页 |
| 4.4 卫星信号有效性判断 | 第65-67页 |
| 4.4.1 非视距传播定义 | 第65-66页 |
| 4.4.2 非视距传播判定标准 | 第66-67页 |
| 4.5 本章小结 | 第67-69页 |
| 第5章 组合导航滤波算法 | 第69-77页 |
| 5.1 随机线性系统卡尔曼滤波 | 第69-70页 |
| 5.2 离散非线性系统滤波 | 第70页 |
| 5.2.1 扩展Kalman滤波 | 第70页 |
| 5.2.2 无迹卡尔曼Kalman滤波 | 第70页 |
| 5.2.3 容积Kalman滤波 | 第70页 |
| 5.3 多模型自适应平方根容积卡尔曼滤波算法 | 第70-74页 |
| 5.3.1 计算容积及权重 | 第71-72页 |
| 5.3.2 初始化 | 第72页 |
| 5.3.3 时间更新 | 第72-73页 |
| 5.3.4 测量更新 | 第73-74页 |
| 5.4 实验结果及分析 | 第74-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第6章 导航系统总体设计与实车实验 | 第77-87页 |
| 6.1 硬件平台设计方案 | 第77-79页 |
| 6.1.1 智能车传感器装置 | 第78-79页 |
| 6.2 软件平台设计方案 | 第79-80页 |
| 6.3 实车实验 | 第80-85页 |
| 6.4 本章小结 | 第85-87页 |
| 结论 | 第87-89页 |
| 本文研究的创新点 | 第87页 |
| 工作展望 | 第87-89页 |
| 参考文献 | 第89-93页 |
| 攻读硕士学位期间发表的学术论文 | 第93-95页 |
| 致谢 | 第95页 |