面向无人驾驶的多激光雷达与相机的融合技术研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景 | 第12页 |
| 1.2 研究目的与意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.3.1 无人驾驶国内外研究现状 | 第13-15页 |
| 1.3.2 传感器融合国内外研究现状 | 第15-16页 |
| 1.4 主要研究内容 | 第16-18页 |
| 1.5 文章结构安排 | 第18-19页 |
| 第2章 相关理论基础 | 第19-30页 |
| 2.1 相机标定 | 第19-22页 |
| 2.1.1 相机畸变与数学描述 | 第19-20页 |
| 2.1.2 张正友标定算法 | 第20-22页 |
| 2.2 传统点云配准算法 | 第22-26页 |
| 2.2.1 刚性变换与点云配准 | 第22-24页 |
| 2.2.2 ICP算法 | 第24-25页 |
| 2.2.3 NDT算法 | 第25-26页 |
| 2.3 人工鱼群算法 | 第26-27页 |
| 2.4 场景识别算法 | 第27-29页 |
| 2.4.1 ORB特征 | 第27-28页 |
| 2.4.2 词袋模型 | 第28页 |
| 2.4.3 K-Means聚类算法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 多传感器数据融合与场景识别 | 第30-50页 |
| 3.1 多激光雷达配准 | 第30-36页 |
| 3.1.1 点云平面拟合 | 第30-32页 |
| 3.1.2 求解刚性变换 | 第32-36页 |
| 3.2 相机与激光雷达数据融合 | 第36-44页 |
| 3.2.1 角点提取 | 第37-42页 |
| 3.2.2 三维与二维投影 | 第42-44页 |
| 3.3 场景识别 | 第44-49页 |
| 3.3.1 特征聚类 | 第45-46页 |
| 3.3.2 图像数据库建立 | 第46-48页 |
| 3.3.3 融合与识别 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 实验步骤与结果分析 | 第50-72页 |
| 4.1 实验平台与软硬件配置 | 第50-51页 |
| 4.2 相机标定实验与结果分析 | 第51-54页 |
| 4.3 多激光雷达配准实验与结果分析 | 第54-62页 |
| 4.4 相机与激光雷达数据融合实验与结果分析 | 第62-67页 |
| 4.5 基于多传感器融合的场景识别实验与结果分析 | 第67-70页 |
| 4.6 本章小结 | 第70-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 5.1 文章总结 | 第72页 |
| 5.2 展望未来 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 作者简介及在学期间所取得的科研成果 | 第78-79页 |
| 致谢 | 第79页 |
