| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第11-17页 |
| 1.1 无人车应用背景和研发意义 | 第11-12页 |
| 1.2 研究发展综述 | 第12-14页 |
| 1.2.1 自定位技术 | 第12页 |
| 1.2.2 环境建模 | 第12-13页 |
| 1.2.3 路径规划技术 | 第13页 |
| 1.2.4 自主避障技术 | 第13-14页 |
| 1.3 本文的动机和贡献 | 第14-15页 |
| 1.3.1 动机 | 第14页 |
| 1.3.2 主要贡献 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 2 感知系统 | 第17-63页 |
| 2.1 坐标系统定义 | 第17-19页 |
| 2.1.1 本体坐标系、相机坐标系和激光坐标系 | 第17-18页 |
| 2.1.2 地图坐标系与导航坐标系 | 第18-19页 |
| 2.1.3 坐标系间的变换 | 第19页 |
| 2.2 自定位系统 | 第19-30页 |
| 2.2.1 基于视觉里程计的自定位 | 第20-28页 |
| 2.2.2 基于稀疏视觉地图的自定位 | 第28-29页 |
| 2.2.3 从位姿变换矩阵解算航向角 | 第29-30页 |
| 2.3 地图构建系统 | 第30-50页 |
| 2.3.1 基于稀疏视觉特征的SLAM | 第31-40页 |
| 2.3.2 地图的重用和扩建 | 第40-42页 |
| 2.3.3 从稀疏视觉地图构建度量-拓扑混合地图 | 第42-45页 |
| 2.3.4 从稀疏视觉地图构建可重定位栅格地图 | 第45-50页 |
| 2.4 感知系统实验 | 第50-61页 |
| 2.4.1 基于地图的定位实验 | 第51-53页 |
| 2.4.2 基于双目ORB_SLAM的稀疏视觉特征地图构建实验 | 第53-56页 |
| 2.4.3 地图扩建实验 | 第56-61页 |
| 2.5 本章小结 | 第61-63页 |
| 3 自主避障系统 | 第63-77页 |
| 3.1 避障数据的获取 | 第63-65页 |
| 3.2 虚拟力避障方法 | 第65-70页 |
| 3.2.1 虚拟力思想 | 第65页 |
| 3.2.2 基于2D点云的虚拟力避障方法 | 第65-67页 |
| 3.2.3 基于双目三维点云的虚拟力避障方法 | 第67-69页 |
| 3.2.4 基于聚类三维点云的虚拟力避障方法 | 第69-70页 |
| 3.2.5 逃逸避障方法 | 第70页 |
| 3.3 避障系统实验 | 第70-74页 |
| 3.3.1 典型场景中不同数据源的避障实验 | 第72-73页 |
| 3.3.2 典型场景中不同算法的避障实验 | 第73-74页 |
| 3.4 本章小结 | 第74-77页 |
| 4 规划控制系统 | 第77-107页 |
| 4.1 路径规划器 | 第77-80页 |
| 4.1.1 基于A~*算法的路径规划 | 第77-79页 |
| 4.1.2 在度量-拓扑混合地图上实施路径规划 | 第79-80页 |
| 4.2 路径跟踪器 | 第80-88页 |
| 4.2.1 Stanley方法 | 第81-82页 |
| 4.2.2 参考向量法 | 第82-83页 |
| 4.2.3 纯追踪算法 | 第83-88页 |
| 4.3 路径跟踪和避障的融合 | 第88-90页 |
| 4.3.1 切换策略 | 第89页 |
| 4.3.2 加权策略 | 第89-90页 |
| 4.4 控制器 | 第90-96页 |
| 4.4.1 系统配置 | 第90-91页 |
| 4.4.2 控制律设计 | 第91-93页 |
| 4.4.3 其他辅助控制器 | 第93-96页 |
| 4.5 规划控制实验 | 第96-106页 |
| 4.5.1 栅格地图构建实验 | 第96-98页 |
| 4.5.2 可规划地图生成与A~*规划实验 | 第98-101页 |
| 4.5.3 路径跟踪实验 | 第101-103页 |
| 4.5.4 路径规划及避障跟踪融合控制实验 | 第103-106页 |
| 4.6 本章小结 | 第106-107页 |
| 5 总结和展望 | 第107-109页 |
| 5.1 总结 | 第107页 |
| 5.2 展望 | 第107-109页 |
| 参考文献 | 第109-117页 |
| 作者简历 | 第117页 |