致谢 | 第6-8页 |
摘要 | 第8-10页 |
Abstract | 第10-11页 |
目录 | 第12-15页 |
图表目录 | 第15-19页 |
1. 绪论 | 第19-40页 |
1.1 研究背景及意义概述 | 第19页 |
1.2 无人车研究发展的背景与现状 | 第19-26页 |
1.3 基于三维数据的场景理解 | 第26-36页 |
1.3.1 三维传感系统 | 第26-29页 |
1.3.2 结构化场景 | 第29-31页 |
1.3.3 非结构化场景 | 第31-34页 |
1.3.4 非结构化场景理解中的关键问题 | 第34-36页 |
1.4 本文课题来源与组织结构 | 第36-40页 |
2. 64线激光雷达内外参标定 | 第40-60页 |
2.1 引言 | 第40-42页 |
2.2 内参标定相关工作 | 第42-49页 |
2.2.1 距离误差模型 | 第44-45页 |
2.2.2 内参标定 | 第45-46页 |
2.2.3 内参标定结果 | 第46-49页 |
2.3 激光雷达外参自标定 | 第49-58页 |
2.3.1 相关工作 | 第51-52页 |
2.3.2 激光雷达外参标定算法 | 第52-58页 |
2.4 本章小结 | 第58-60页 |
3. 地面无人车乡村环境道路检测的研究 | 第60-93页 |
3.1 引言 | 第60-66页 |
3.1.1 问题概述 | 第61-63页 |
3.1.2 相关工作 | 第63-66页 |
3.2 三维数据预处理 | 第66-68页 |
3.3 扫描线分割 | 第68-71页 |
3.3.1 最大模糊线段 | 第69页 |
3.3.2 增量式最小二乘直线拟合 | 第69-71页 |
3.4 角点检测 | 第71-74页 |
3.5 建立无向图马尔可夫随机场 | 第74-81页 |
3.5.0 64线激光雷达数据结构 | 第74-76页 |
3.5.1 马尔可夫随机场 | 第76-77页 |
3.5.2 构造能量方程 | 第77-79页 |
3.5.3 图割法求解能量方程 | 第79-80页 |
3.5.4 障碍区域聚类 | 第80-81页 |
3.6 实验结果与分析 | 第81-91页 |
3.6.1 实验环境和平台 | 第81-82页 |
3.6.2 实验结果 | 第82-91页 |
3.7 本章小结 | 第91-93页 |
4. 植被散布环境中区域分类的研究 | 第93-114页 |
4.1 引言 | 第93-99页 |
4.1.1 问题概述 | 第94-97页 |
4.1.2 相关工作 | 第97-99页 |
4.2 图像及深度的预处理 | 第99-107页 |
4.2.1 超像素分割 | 第99-102页 |
4.2.2 深度上采样算法 | 第102-104页 |
4.2.3 同时超像素分割及稀疏深度上采样 | 第104-107页 |
4.2.4 特征选择以及分类器训练 | 第107页 |
4.3 实验结果及讨论 | 第107-113页 |
4.3.1 境实验平台 | 第107-108页 |
4.3.2 实验结果 | 第108-113页 |
4.4 本章小结 | 第113-114页 |
5. 未知复杂地形环境通行性理解 | 第114-134页 |
5.1 引言 | 第114-115页 |
5.1.1 问题概述 | 第114页 |
5.1.2 相关工作 | 第114-115页 |
5.2 三维点云滤波和匹配 | 第115-120页 |
5.2.1 三维点云的数据结构 | 第115-116页 |
5.2.2 三维点云滤波 | 第116-120页 |
5.2.3 三维点云匹配 | 第120页 |
5.3 基于三维数据的可通行区域检测以及通行代价分析 | 第120-126页 |
5.3.1 DEM进行预处理 | 第121页 |
5.3.2 确定参考坐标系 | 第121页 |
5.3.3 通行性代价分析 | 第121-125页 |
5.3.4 置信度计算 | 第125页 |
5.3.5 障碍物聚类 | 第125-126页 |
5.4 实验数据 | 第126-132页 |
5.4.1 点云滤波测试 | 第126-127页 |
5.4.2 点云拼接测试 | 第127-129页 |
5.4.3 通行性分析测试 | 第129-132页 |
5.5 本章小结 | 第132-134页 |
6 总结与展望 | 第134-137页 |
6.1 本文工作总结 | 第134-136页 |
6.2 未来工作展望 | 第136-137页 |
参考文献 | 第137-150页 |
作者简介 | 第150页 |