基于雷达与相机的无人驾驶智能车障碍物检测技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 无人驾驶智能车障碍物检测研究现状 | 第10-15页 |
| 1.2.1 国外无人驾驶智能车障碍物检测研究现状 | 第10-12页 |
| 1.2.2 国内无人驾驶智能车障碍物识别研究现状 | 第12-15页 |
| 1.3 无人驾驶智能车障碍物检测技术 | 第15-17页 |
| 1.3.1 障碍物检测技术分类 | 第15-16页 |
| 1.3.2 本文障碍物检测技术的选取 | 第16-17页 |
| 1.4 研究意义 | 第17页 |
| 1.5 本文主要工作与安排 | 第17-18页 |
| 1.6 本章小结 | 第18-20页 |
| 第二章 无人驾驶智能车的系统组成 | 第20-32页 |
| 2.1 无人驾驶智能车车体 | 第20页 |
| 2.2 车体的改装 | 第20-21页 |
| 2.3 无人驾驶智能车的任务与要求 | 第21-23页 |
| 2.3.1 智能车的整体系统 | 第21-22页 |
| 2.3.2 控制系统的任务 | 第22页 |
| 2.3.3 控制系统的要求设计 | 第22-23页 |
| 2.4 环境感知系统 | 第23-29页 |
| 2.4.1 激光扫描雷达 | 第23-26页 |
| 2.4.2 车载高清相机 | 第26-28页 |
| 2.4.3 GPS(Novatel) | 第28-29页 |
| 2.5 计算机控制单元 | 第29-31页 |
| 2.5.1 上位机控制 | 第29-30页 |
| 2.5.2 下位机控制 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 障碍物检测的相关理论知识 | 第32-44页 |
| 3.1 坐标系的建立 | 第32-33页 |
| 3.2 相机模型与相机标定 | 第33-36页 |
| 3.2.1 相机模型 | 第33-34页 |
| 3.2.2 标定原理 | 第34-36页 |
| 3.3 激光扫描雷达的标定 | 第36页 |
| 3.4 图像灰度化 | 第36-37页 |
| 3.5 图像去噪 | 第37-39页 |
| 3.5.1 邻域平均法 | 第38页 |
| 3.5.2 中值滤波法 | 第38-39页 |
| 3.6 图像分割 | 第39-40页 |
| 3.6.1 基于阀值分割 | 第39-40页 |
| 3.6.2 基于区域生长分割法 | 第40页 |
| 3.6.3 基于特征空间聚类法分割法 | 第40页 |
| 3.7 图像形态学运算 | 第40-43页 |
| 3.7.1 二值形态学 | 第41-42页 |
| 3.7.2 灰度形态学 | 第42-43页 |
| 3.8 本章小结 | 第43-44页 |
| 第四章 基于雷达与相机的障碍物检测方法 | 第44-59页 |
| 4.1 总述 | 第44页 |
| 4.2 数据采集与处理 | 第44-45页 |
| 4.3 多传感器的数据融合 | 第45-47页 |
| 4.3.1 多传感器数据融合原理 | 第45-46页 |
| 4.3.2 多传感器数据融合算法 | 第46-47页 |
| 4.4 雷达与相机的数据匹配 | 第47-48页 |
| 4.4.1 时间上的匹配 | 第47页 |
| 4.4.2 空间上的匹配 | 第47-48页 |
| 4.5 基于雷达的障碍物检测 | 第48-54页 |
| 4.5.1 雷达数据预处理 | 第48-51页 |
| 4.5.2 障碍物的检测 | 第51-54页 |
| 4.6 基于视觉相机的障碍物检测 | 第54-57页 |
| 4.6.1 图像数据的预处理 | 第54-55页 |
| 4.6.2 环境道路识别 | 第55页 |
| 4.6.3 道路分道线边缘检测 | 第55-56页 |
| 4.6.4 障碍物的感兴区域提取 | 第56页 |
| 4.6.5 障碍物检测 | 第56-57页 |
| 4.7 本章小结 | 第57-59页 |
| 结论与展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
