| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 研究内容 | 第13-16页 |
| 1.3.1 智能汽车概述 | 第13-14页 |
| 1.3.2 无人驾驶系统构成 | 第14-15页 |
| 1.3.3 局部路径规划简介 | 第15-16页 |
| 1.4 本文的主要研究内容 | 第16页 |
| 1.5 结构安排 | 第16-19页 |
| 2 智能车辆的轨迹规划方法研究 | 第19-49页 |
| 2.1 智能车辆的路径搜索算法研究 | 第19-31页 |
| 2.1.1 Astar算法概述 | 第19-20页 |
| 2.1.2 Astar算法原理 | 第20-23页 |
| 2.1.3 基于RRT的路径搜索算法 | 第23-25页 |
| 2.1.4 Astar算法与RRT算法的对比与分析 | 第25-27页 |
| 2.1.5 基于RRT算法优点改进Astar算法的原理 | 第27-31页 |
| 2.2 基于B样条曲线的路径平滑方法研究 | 第31-38页 |
| 2.2.1 B样条曲线概述 | 第31-33页 |
| 2.2.2 三次B样条曲线的研究 | 第33-36页 |
| 2.2.3 三次B样条曲线在路径平滑中的应用 | 第36-38页 |
| 2.3 基于车辆运动学和动力学的轨迹规划方法研究 | 第38-42页 |
| 2.3.1 车辆运动学分析 | 第38-40页 |
| 2.3.2 车辆动力学分析 | 第40-41页 |
| 2.3.3 轨迹簇的设计与最优轨迹的选择 | 第41-42页 |
| 2.4 局部路径目标点的选取 | 第42-47页 |
| 2.5 本章小结 | 第47-49页 |
| 3 智能车辆的速度规划方法研究 | 第49-61页 |
| 3.1 基于改进ASTAR算法的速度规划方法 | 第49-54页 |
| 3.1.1 障碍物预测 | 第49-51页 |
| 3.1.2 创建ST图 | 第51页 |
| 3.1.3 ST图栅格化 | 第51-52页 |
| 3.1.4 创建目标时刻点 | 第52-53页 |
| 3.1.5 搜索产生路径 | 第53-54页 |
| 3.2 基于梯度下降法的速度平滑方法 | 第54-58页 |
| 3.2.1 多项式同归简介 | 第54页 |
| 3.2.2 回归拟合原理 | 第54-55页 |
| 3.2.3 梯度下降法概述 | 第55-56页 |
| 3.2.4 梯度下降法在速度规划中的应用 | 第56-58页 |
| 3.3 最优速度规划方案的选择 | 第58-60页 |
| 3.4 本章小结 | 第60-61页 |
| 4 复合工况下的局部路径规划方法研究与验证 | 第61-73页 |
| 4.1 虚拟仿真平台的搭建 | 第61-63页 |
| 4.1.1 仿真软件简介 | 第61-62页 |
| 4.1.2 联合仿真平台 | 第62页 |
| 4.1.3 仿真软件参数设置 | 第62-63页 |
| 4.2 复合工况总体技术方案设计 | 第63-65页 |
| 4.2.1 复合工况的定义 | 第63页 |
| 4.2.2 场景的定义 | 第63-64页 |
| 4.2.3 局部路径规划方法在复合工况的解决方案 | 第64-65页 |
| 4.3 轨迹规划方法仿真实验 | 第65-66页 |
| 4.4 速度规划方法仿真实验 | 第66-68页 |
| 4.5 复合工况下局部路径规划方法仿真实验 | 第68-71页 |
| 4.6 本章小结 | 第71-73页 |
| 5 全文总结与展望 | 第73-77页 |
| 5.1 未来研究工作展望 | 第73页 |
| 5.2 全文总结 | 第73-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第82页 |