| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 智能车研究进展 | 第11-13页 |
| 1.2.2 认知地图研究进展 | 第13-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 章节安排 | 第17-19页 |
| 第二章 地图定位导航算法综述 | 第19-28页 |
| 2.1 引言 | 第19页 |
| 2.2 视觉地图定位导航算法 | 第19-23页 |
| 2.3 基于深度学习的地图算法 | 第23-27页 |
| 2.3.1 深度学习与回环校正 | 第24-25页 |
| 2.3.2 深度学习与语义地图 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 智能车认知地图的创建及其优化 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 改进型RatSLAM地图 | 第28-32页 |
| 3.2.1 改进型RatSLAM系统设计 | 第28-29页 |
| 3.2.2 连续吸引子网络 | 第29-30页 |
| 3.2.3 自运动位姿估计 | 第30-32页 |
| 3.3 基于ORB特征的闭环校正 | 第32-35页 |
| 3.3.1 快速像素匹配 | 第33-34页 |
| 3.3.2 ORB特征匹配 | 第34-35页 |
| 3.4 BowRatSLAM算法及认知地图创建 | 第35-42页 |
| 3.4.1 词袋模型 | 第35-39页 |
| 3.4.2 实验分析与结论 | 第39-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于深度学习的认知地图定位算法 | 第44-64页 |
| 4.1 引言 | 第44页 |
| 4.2 基于CNN的目标检测 | 第44-55页 |
| 4.2.1 SSD检测框架(SingleShotMultiBoxDetector) | 第45-48页 |
| 4.2.2 多尺度融合DH-SSD检测网络 | 第48-54页 |
| 4.2.3 实验分析与结论 | 第54-55页 |
| 4.3 基于场景分割的词袋模型 | 第55-63页 |
| 4.3.1 目标检测分类 | 第56-57页 |
| 4.3.2 改进型词袋模型 | 第57-58页 |
| 4.3.3 实验环境和步骤 | 第58-59页 |
| 4.3.4 实验分析结论 | 第59-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 智能车认知地图导航应用 | 第64-76页 |
| 5.1 引言 | 第64页 |
| 5.2 智能车平台搭建和认知地图创建 | 第64-67页 |
| 5.3 基于认知地图的全局导航系统 | 第67-69页 |
| 5.4 基于认知地图的辅助驾驶系统 | 第69-72页 |
| 5.5 实验与分析 | 第72-75页 |
| 5.5.1 实验环境 | 第72-73页 |
| 5.5.2 实验分析与结论 | 第73-75页 |
| 5.6 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 本文总结 | 第76-77页 |
| 6.2 未来展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 攻读硕士学位期间取得的成果 | 第85页 |