| 前言 | 第4-6页 |
| 摘要 | 第6-9页 |
| ABSTRACT | 第9-12页 |
| 第1章 绪论 | 第19-43页 |
| 1.1 课题的提出 | 第19-22页 |
| 1.1.1 课题工业背景 | 第19-21页 |
| 1.1.2 面临的技术难题 | 第21-22页 |
| 1.2 多源信息融合方法进行交通车辆认知相关研究综述 | 第22-30页 |
| 1.2.1 基于多源信息融合的交通车检测 | 第22-24页 |
| 1.2.2 基于多源信息融合交通车跟踪 | 第24-30页 |
| 1.3 面向智能汽车仿真的传感器建模相关研究综述 | 第30-36页 |
| 1.3.1 面向智能汽车仿真的商业软件及其传感器模型 | 第30-34页 |
| 1.3.2 传感器模型的建模方法 | 第34-36页 |
| 1.4 智能汽车的虚拟测试相关研究综述 | 第36-39页 |
| 1.4.1 智能汽车虚拟测试方法 | 第36-37页 |
| 1.4.2 驾驶模拟器中复杂交通环境生成方法 | 第37-39页 |
| 1.5 本文主要研究内容与章节安排 | 第39-43页 |
| 第2章 基于机动目标跟踪理论的交通车辆综合认知 | 第43-85页 |
| 2.1 引言 | 第43-44页 |
| 2.2 基于机动目标跟踪理论的交通车辆综合认知的整体架构 | 第44-49页 |
| 2.2.1 交通车辆综合认知对象模型的定义 | 第44-47页 |
| 2.2.2 综合认知整体架构的功能分解 | 第47-48页 |
| 2.2.3 综合认知整体架构的特点分析 | 第48-49页 |
| 2.3 对象级多源信息融合跟踪的多特征数据关联方法 | 第49-59页 |
| 2.3.1 对象级融合跟踪的数据关联基本原则与方法 | 第50-53页 |
| 2.3.2 基于DS证据理论的点特征对象数据关联 | 第53-56页 |
| 2.3.3 基于碰撞检测算法的轮廓特征对象数据关联 | 第56-58页 |
| 2.3.4 轮廓特征对象与点特征对象数据关联 | 第58-59页 |
| 2.4 考虑轮廓特征与分类的几何轮廓融合估计方法 | 第59-66页 |
| 2.4.1 几何轮廓融合估计算法的提出 | 第60-63页 |
| 2.4.2 轮廓特征选择 | 第63页 |
| 2.4.3 考虑轮廓特征与分类的感知几何轮廓计算 | 第63-64页 |
| 2.4.4 带保优操作的几何轮廓最优估计 | 第64-66页 |
| 2.5 基于自适应滤波的运动状态估计 | 第66-73页 |
| 2.5.1 基于当前统计模型的相对运动状态融合估计 | 第67-70页 |
| 2.5.2 基于扩展卡尔曼滤波的绝对运动状态估计 | 第70-72页 |
| 2.5.3 短时遮挡与盲区处理 | 第72-73页 |
| 2.6 实验验证 | 第73-84页 |
| 2.6.1 乘用车综合认知结果验证 | 第73-79页 |
| 2.6.2 大型商用车综合认知结果验证 | 第79-84页 |
| 2.7 本章小结 | 第84-85页 |
| 第3章 体现物理特性的智能汽车仿真传感器功能模型 | 第85-119页 |
| 3.1 引言 | 第85-86页 |
| 3.2 体现物理特性的传感器功能模型的提出 | 第86-91页 |
| 3.2.1 传感器模型在智能汽车仿真中的作用分析 | 第86-89页 |
| 3.2.2 体现物理特性的传感器功能模型通用建模框架 | 第89-91页 |
| 3.3 适用于大规模仿真的对象快速提取方法 | 第91-97页 |
| 3.3.1 基于空间位置与几何轮廓的通用截取引擎（Uni CE） | 第92-93页 |
| 3.3.2 通用截取引擎的功能模块 | 第93-95页 |
| 3.3.3 通用截取引擎的实现与验证 | 第95-97页 |
| 3.4 基于可见三角形与可见角的遮挡模拟方法 | 第97-104页 |
| 3.4.1 可见三角形与可见角定义 | 第98-100页 |
| 3.4.2 物体之间遮挡关系的快速判断算法 | 第100-103页 |
| 3.4.3 仿真验证 | 第103-104页 |
| 3.5 体现传感器物理特性的感知模拟方法 | 第104-107页 |
| 3.5.1 基于可见角的激光雷达感知物体几何轮廓快速计算方法 | 第104-106页 |
| 3.5.2 其他信息的感知模拟 | 第106-107页 |
| 3.6 模型通用框架的误差模拟 | 第107-110页 |
| 3.6.1 噪声添加 | 第107-109页 |
| 3.6.2 虚警引入 | 第109-110页 |
| 3.6.3 数据封装 | 第110页 |
| 3.7 传感器功能模型的仿真验证 | 第110-117页 |
| 3.7.1 模型仿真效果验证 | 第111-116页 |
| 3.7.2 模型计算效率验证 | 第116-117页 |
| 3.8 本章小结 | 第117-119页 |
| 第4章 面向智能汽车仿真的驾驶模拟器虚拟测试平台关键技术 | 第119-151页 |
| 4.1 引言 | 第119-120页 |
| 4.2 驾驶模拟器虚拟测试平台的集成方法研究 | 第120-125页 |
| 4.2.1 智能汽车仿真对驾驶模拟器的需求分析 | 第120-122页 |
| 4.2.2 虚拟测试平台的关键技术方法 | 第122-125页 |
| 4.3 基于路段的分层道路模型 | 第125-138页 |
| 4.3.1 路段模型 | 第125-131页 |
| 4.3.2 道路边界模型 | 第131-132页 |
| 4.3.3 车道标线模型 | 第132-133页 |
| 4.3.4 交通诱导模型 | 第133-134页 |
| 4.3.5 交通区域模型 | 第134页 |
| 4.3.6 车道模型 | 第134-135页 |
| 4.3.7 静止物体模型 | 第135-136页 |
| 4.3.8 地面区域模型 | 第136-137页 |
| 4.3.9 模型验证 | 第137-138页 |
| 4.4 考虑数据类型的分布式视景系统集成方法 | 第138-143页 |
| 4.4.1 多类型更新数据的特点分析 | 第139-140页 |
| 4.4.2 分布式视景系统集成方法的提出 | 第140-141页 |
| 4.4.3 主/从节点的软件架构设计 | 第141-142页 |
| 4.4.4 只考虑交通车类型的快速更新方法 | 第142-143页 |
| 4.5 开放式驾驶模拟器视景系统斜视校正算法 | 第143-146页 |
| 4.6 驾驶模拟器虚拟测试平台的集成验证 | 第146-149页 |
| 4.7 本章小结 | 第149-151页 |
| 第5章 智能汽车综合认知平台搭建与方法验证 | 第151-179页 |
| 5.1 引言 | 第151页 |
| 5.2 智能汽车综合认知实车硬件感知平台介绍 | 第151-154页 |
| 5.3 智能汽车综合认知软件平台搭建 | 第154-160页 |
| 5.3.1 感知驱动层 | 第155-156页 |
| 5.3.2 统一集成平台技术 | 第156-158页 |
| 5.3.3 在线综合认知 | 第158-159页 |
| 5.3.4 实时数据显示记录 | 第159-160页 |
| 5.3.5 离线算法仿真 | 第160页 |
| 5.4 基于驾驶模拟器的综合认知方法虚拟测试与定量分析 | 第160-174页 |
| 5.4.1 前车加速驶离工况 | 第161-164页 |
| 5.4.2 前车制动工况 | 第164-166页 |
| 5.4.3 被超车工况 | 第166-169页 |
| 5.4.4 变道超车工况 | 第169-172页 |
| 5.4.5 本车制动工况 | 第172-174页 |
| 5.5 实车实验 | 第174-177页 |
| 5.5.1 变道超车工况 | 第174-176页 |
| 5.5.2 对比分析 | 第176-177页 |
| 5.6 本章小结 | 第177-179页 |
| 第6章 全文总结和研究展望 | 第179-183页 |
| 6.1 全文总结 | 第179-182页 |
| 6.2 研究展望 | 第182-183页 |
| 参考文献 | 第183-197页 |
| 攻读博士学位期间发表的学术论文及从事的科研工作 | 第197-198页 |
| 致谢 | 第198页 |
