基于多传感器感知道路交通数据融合模型的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究的背景 | 第10页 |
| ·多传感器信息融合技术的国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·研究目的及意义 | 第12-13页 |
| ·信息融合的理论研究方法及展望 | 第13-15页 |
| ·传感器信息类别 | 第13页 |
| ·融合层次概述 | 第13-14页 |
| ·多传感器融合简介 | 第14页 |
| ·研究方向展望 | 第14-15页 |
| ·研究的主要内容及章节 | 第15-17页 |
| 第2章 多传感器信息融合算法分析及选择 | 第17-23页 |
| ·常用算法分析 | 第17-21页 |
| ·加权平均方法应用分析 | 第17页 |
| ·模糊集合应用分析 | 第17-18页 |
| ·证据理论应用分析 | 第18-19页 |
| ·贝叶斯决策应用分析 | 第19-20页 |
| ·卡尔曼滤波应用分析 | 第20-21页 |
| ·算法的选择 | 第21-22页 |
| ·总结 | 第22-23页 |
| 第3章 传感器交通流信息配置与分析 | 第23-30页 |
| ·多传感器分析 | 第23-24页 |
| ·传感器分类 | 第23页 |
| ·传感器数据采集分析 | 第23-24页 |
| ·传感器采集影响因素 | 第24页 |
| ·道路交通流分析 | 第24-28页 |
| ·通行能力 | 第24-25页 |
| ·交通流参数 | 第25-26页 |
| ·交通流参数之间的联系 | 第26-27页 |
| ·交通流参数评估模型 | 第27-28页 |
| ·交通流在数据融合中的运用 | 第28页 |
| ·总结 | 第28-30页 |
| 第4章 道路交通融合模型的研究 | 第30-45页 |
| ·融合估计系统结构 | 第30-33页 |
| ·信息融合最优准则 | 第33-36页 |
| ·按矩阵加权 | 第33-34页 |
| ·按标量加权 | 第34页 |
| ·按对角阵加权 | 第34-35页 |
| ·总结 | 第35-36页 |
| ·分组式二次联合卡尔曼滤波信息融合算法 | 第36-41页 |
| ·融合结构 | 第36-37页 |
| ·联合滤波器基础 | 第37页 |
| ·联合卡尔曼滤波结构 | 第37-39页 |
| ·联合卡尔曼滤波器算法流程 | 第39-40页 |
| ·道路交通融合系统的基本设计 | 第40-41页 |
| ·局部滤波器误差模型的建立 | 第41-43页 |
| ·路况信息误差模型 | 第41-42页 |
| ·路面信息误差模型 | 第42页 |
| ·环境信息误差模型 | 第42-43页 |
| ·局部滤波器和主滤波器评估模型 | 第43页 |
| ·局部滤波器评估模型 | 第43页 |
| ·主滤波器评估模型 | 第43页 |
| ·总结 | 第43-45页 |
| 第5章 多传感器融合系统实时仿真设计与实现 | 第45-61页 |
| ·仿真平台搭建 | 第45-46页 |
| ·前期数据采集 | 第46-48页 |
| ·实时交通状态的采集 | 第46-47页 |
| ·实时环境因子的采集 | 第47-48页 |
| ·联合卡尔曼滤波实现 | 第48-52页 |
| ·OpenCV 对卡尔曼的支持 | 第48-50页 |
| ·联合卡尔曼的实现 | 第50-52页 |
| ·道路交通融合系统设计 | 第52-57页 |
| ·融合流程 | 第52-53页 |
| ·具体设计 | 第53-57页 |
| ·实验结果对比 | 第57-60页 |
| ·融合结果准确度对比 | 第57-59页 |
| ·融合算法性能对比 | 第59-60页 |
| ·总结 | 第60-61页 |
| 第6章 展望与总结 | 第61-63页 |
| ·论文总结 | 第61-62页 |
| ·研究展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |
