基于三维激光雷达的运动目标实时检测与跟踪
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-18页 |
| ·研究背景及意义 | 第9页 |
| ·自主车研究发展的现状 | 第9-14页 |
| ·自主车系统架构 | 第10-11页 |
| ·国外研究现状 | 第11-13页 |
| ·国内研究现状 | 第13-14页 |
| ·基于三维激光雷达的场景理解 | 第14-17页 |
| ·激光雷达发展概述 | 第15页 |
| ·应用于自主车的雷达传感器 | 第15-16页 |
| ·三维全向激光雷达在自主车上的应用 | 第16-17页 |
| ·课题来源及组织结构 | 第17-18页 |
| 第二章 障碍物检测 | 第18-36页 |
| ·三维激光雷达的安装及标定 | 第18-24页 |
| ·激光雷达的安装及可视范围 | 第18-21页 |
| ·三维激光雷达的标定 | 第21-24页 |
| ·构建栅格地图 | 第24-29页 |
| ·激光雷达的数据接收及转换 | 第24-25页 |
| ·地图的建立 | 第25-27页 |
| ·原始数据的投影 | 第27-28页 |
| ·栅格属性的判定 | 第28-29页 |
| ·数据分割 | 第29-31页 |
| ·四邻域膨胀 | 第30页 |
| ·区域标记 | 第30-31页 |
| ·特征提取 | 第31-32页 |
| ·模型表征 | 第32-34页 |
| ·实验结果 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 运动目标数据关联 | 第36-49页 |
| ·数据关联算法概述 | 第36-40页 |
| ·最近邻法 | 第37-38页 |
| ·联合概率数据关联法 | 第38-39页 |
| ·多元假设跟踪法 | 第39页 |
| ·交互多模型算法 | 第39-40页 |
| ·基于MHT的多目标数据关联 | 第40-45页 |
| ·假设生成 | 第41-42页 |
| ·概率计算 | 第42-43页 |
| ·假设管理 | 第43-45页 |
| ·实验结果 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 运动目标的状态估计 | 第49-60页 |
| ·相关算法概述 | 第49-53页 |
| ·贝叶斯滤波 | 第49-51页 |
| ·α-β滤波 | 第51页 |
| ·卡尔曼滤波 | 第51-53页 |
| ·滤波器的更新与预测 | 第53-55页 |
| ·运动目标模型的建立 | 第53-54页 |
| ·基于线性卡尔曼的更新与预测 | 第54-55页 |
| ·实验结果 | 第55-59页 |
| ·状态估计的实验分析 | 第55-56页 |
| ·运动目标跟踪的实验分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 研究生阶段取得的成果 | 第67页 |
