| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-20页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外智能汽车研究现状 | 第10-15页 |
| 1.2.1 国外智能汽车研究现状 | 第10-14页 |
| 1.2.2 国内智能汽车研究现状 | 第14-15页 |
| 1.3 激光雷达障碍物检测关键技术研究现状 | 第15-18页 |
| 1.4 内容安排和技术路线 | 第18-20页 |
| 第2章 激光雷达数据解析与预处理 | 第20-25页 |
| 2.1 激光雷达数据预处理 | 第20-23页 |
| 2.1.1 激光雷达数据解析与表示 | 第21页 |
| 2.1.2 激光雷达车辆安装位置的标定 | 第21-23页 |
| 2.2 智能汽车实验平台 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 激光雷达点云道路分割方法研究 | 第25-39页 |
| 3.1 扇形栅格地图的建立 | 第26-29页 |
| 3.1.1 扇形栅格的建立 | 第26页 |
| 3.1.2 栅格梯度值的计算 | 第26-29页 |
| 3.2 马尔科夫随机场的建立及求解 | 第29-33页 |
| 3.2.1 马尔科夫随机场的建立 | 第29-31页 |
| 3.2.2 马尔科夫随机场的求解 | 第31-33页 |
| 3.3 程序设计及实验结果论证 | 第33-38页 |
| 3.3.1 程序设计 | 第33-35页 |
| 3.3.2 实验结果 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于激光雷达的车辆位姿估算方法研究 | 第39-58页 |
| 4.1 点云配准技术介绍 | 第39-46页 |
| 4.1.1 标准ICP算法概述 | 第40-43页 |
| 4.1.2 Generalized-ICP算法概述 | 第43-46页 |
| 4.2 扩展卡尔曼滤波方法介绍 | 第46-51页 |
| 4.2.1 扩展卡尔曼滤波概述 | 第46-48页 |
| 4.2.2 车辆动力学模型 | 第48-50页 |
| 4.2.3 Generalized-ICP量测更新 | 第50-51页 |
| 4.3 实验结果 | 第51-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 动态障碍物检测、跟踪方法研究 | 第58-74页 |
| 5.1 障碍物特征提取 | 第58-63页 |
| 5.1.1 改进DBSCAN聚类算法 | 第58-61页 |
| 5.1.2 车辆外轮廓的提取 | 第61-63页 |
| 5.2 动态障碍物跟踪 | 第63-70页 |
| 5.2.1 静态障碍物的筛选 | 第63-64页 |
| 5.2.2 多目标假设跟踪算法概述 | 第64-68页 |
| 5.2.3 卡尔曼滤波器预测与更新 | 第68-70页 |
| 5.3 实验结果 | 第70-72页 |
| 5.4 本章小结 | 第72-74页 |
| 第6章 结论 | 第74-77页 |
| 6.1 研究总结 | 第74-75页 |
| 6.2 研究展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间获得与学位论文相关的成果 | 第82页 |