| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外无人车技术研究现状 | 第10-14页 |
| 1.2.1 国内外无人车研究现状 | 第10-12页 |
| 1.2.2 无人车环境感知架构 | 第12-14页 |
| 1.3 激光雷达道路环境感知技术研究现状 | 第14-15页 |
| 1.4 本文的主要研究内容和章节安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 基于激光雷达的道路环境感知系统 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 激光雷达简介及工作原理 | 第17-21页 |
| 2.2.1 激光雷达简介 | 第17-18页 |
| 2.2.2 四线激光雷达工作原理 | 第18-21页 |
| 2.3 基于四线激光的雷达环境感知系统 | 第21-23页 |
| 2.3.1 无人车实验平台 | 第21-22页 |
| 2.3.2 激光雷达道路环境感知系统 | 第22-23页 |
| 2.4 激光雷达安装与坐标转换 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 基于凹凸性分布的多密度DBSCAN障碍物检测 | 第25-41页 |
| 3.1 引言 | 第25页 |
| 3.2 基于密度的DBSCAN聚类算法 | 第25-28页 |
| 3.3 基于凹凸性分布的改进DBSCAN障碍物检测算法 | 第28-31页 |
| 3.3.1 疑似障碍候选点提取 | 第28-30页 |
| 3.3.2 基于多密度的DBSCAN改进算法 | 第30-31页 |
| 3.4 基于惯导信息及多特征匹配的移动障碍物检测算法 | 第31-34页 |
| 3.5 算法结果与分析 | 第34-39页 |
| 3.6 本章小结 | 第39-41页 |
| 4 基于ROI区域及条件约束的道边检测 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 基于ROI区域的道边疑似点提取 | 第41-45页 |
| 4.2.1 道边模型与特征分析 | 第41-42页 |
| 4.2.2 基于ROI区域提取候选点 | 第42-45页 |
| 4.3 基于条件约束的Hough道边检测算法 | 第45-49页 |
| 4.3.1 常见直线拟合算法 | 第45-47页 |
| 4.3.2 基于多重条件约束的Hough道边检测 | 第47-49页 |
| 4.4 算法结果与分析 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 基于双线性插值及LM算法的同步定位与地图构建 | 第53-67页 |
| 5.1 引言 | 第53页 |
| 5.2 室外同步定位与地图构建问题描述 | 第53-54页 |
| 5.2.1 问题描述 | 第53-54页 |
| 5.2.2 环境地图模型 | 第54页 |
| 5.3 同步定位与地图构建算法 | 第54-57页 |
| 5.3.1 基于粒子滤波的同步定位与地图构建 | 第54-56页 |
| 5.3.2 基于扫描匹配的同步定位与地图构建 | 第56-57页 |
| 5.4 基于双线性插值及LM算法的同步定位与地图构建方法 | 第57-63页 |
| 5.4.1 基于双线性插值的地图表示 | 第58-60页 |
| 5.4.2 基于LM算法的扫描匹配方法 | 第60-63页 |
| 5.5 算法结果与分析 | 第63-65页 |
| 5.6 本章小结 | 第65-67页 |
| 6 总结和展望 | 第67-69页 |
| 6.1 全文总结 | 第67页 |
| 6.2 存在的问题 | 第67-68页 |
| 6.3 未来展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74页 |
