摘要 | 第11-13页 |
ABSTRACT | 第13-14页 |
第一章 绪论 | 第15-33页 |
1.1 研究背景与研究意义 | 第15-21页 |
1.1.1 自主车发展现状 | 第15-20页 |
1.1.2 车辆自主驾驶技术发展趋势 | 第20-21页 |
1.1.3 研究意义 | 第21页 |
1.2 激光雷达在环境感知中的应用 | 第21-29页 |
1.2.1 检测与跟踪 | 第22-24页 |
1.2.2 分类与识别 | 第24-27页 |
1.2.3 建图与定位 | 第27-29页 |
1.3 论文组织结构与贡献 | 第29-33页 |
1.3.1 本文组织结构 | 第29-30页 |
1.3.2 本文贡献 | 第30-33页 |
第二章 基于高斯过程回归的实时地面分割 | 第33-79页 |
2.1 引言 | 第33-35页 |
2.2 相关工作 | 第35-37页 |
2.3 三维激光雷达参数与测距模型 | 第37-40页 |
2.3.1 三维激光雷达参数 | 第37页 |
2.3.2 三维激光雷达几何模型 | 第37-40页 |
2.4 基于区域高斯过程回归的地面分割 | 第40-50页 |
2.4.1 三维笛卡尔坐标栅格地图构建 | 第40-41页 |
2.4.2 高斯过程回归 | 第41-43页 |
2.4.3 稀疏协方差函数 | 第43-44页 |
2.4.4 基于区域高斯过程回归的地面分割算法 | 第44-48页 |
2.4.5 超参数学习 | 第48-50页 |
2.5 基于分块递归高斯过程回归的实时地面分割 | 第50-60页 |
2.5.1 极坐标栅格地图构建 | 第51-53页 |
2.5.2 非静态协方差函数构建 | 第53-54页 |
2.5.3 基于分块递归高斯过程回归的实时地面分割算法 | 第54-59页 |
2.5.4 超参数学习 | 第59-60页 |
2.6 地面分割在自主车中的应用 | 第60-66页 |
2.6.1 路面坡度分析 | 第61页 |
2.6.2 负障碍检测 | 第61-65页 |
2.6.3 正障碍和悬挂物检测 | 第65-66页 |
2.7 实验分析与评价 | 第66-78页 |
2.7.1 定量实验 | 第67-70页 |
2.7.2 定性实验 | 第70-78页 |
2.8 结论 | 第78-79页 |
第三章 基于全局柱坐标直方图特征的车辆识别 | 第79-111页 |
3.1 引言 | 第79-80页 |
3.2 基于左右道路边界的感兴趣区域提取 | 第80-95页 |
3.2.1 相关工作 | 第81-83页 |
3.2.2 基于迭代高斯过程回归的道路边界检测算法框架 | 第83-84页 |
3.2.3 特征点提取 | 第84-85页 |
3.2.4 基于霍夫变换的初始道路边界种子点提取 | 第85-87页 |
3.2.5 基于迭代高斯过程回归的道路边界检测算法 | 第87-90页 |
3.2.6 实验分析与评价 | 第90-95页 |
3.3 基于全局柱坐标直方图特征的车辆识别 | 第95-107页 |
3.3.1 三维点云特征分类 | 第96-97页 |
3.3.2 新的全局柱坐标直方图特征 | 第97-99页 |
3.3.3 实验设置 | 第99-102页 |
3.3.4 实验分析 | 第102-107页 |
3.4 结论 | 第107-111页 |
第四章 基于似然场模型的动态车辆检测与跟踪 | 第111-161页 |
4.1 引言 | 第111-113页 |
4.2 相关工作 | 第113-114页 |
4.3 基于似然场模型的车辆姿态估计 | 第114-125页 |
4.3.1 基于似然场的车辆观测模型 | 第115-118页 |
4.3.2 车辆观测模型优化计算 | 第118-119页 |
4.3.3 Scaling Series算法原理 | 第119-121页 |
4.3.4 基于改进Scaling Series算法的车辆姿态估计 | 第121-125页 |
4.4 基于似然场模型的动态车辆检测与跟踪 | 第125-140页 |
4.4.1 动态车辆检测与跟踪算法框架 | 第125-127页 |
4.4.2 基于改进二维虚拟帧的动态车辆检测 | 第127-132页 |
4.4.3 基于贝叶斯滤波的变尺寸车辆跟踪 | 第132-140页 |
4.5 实验分析与评价 | 第140-159页 |
4.5.1 目标车辆姿态与速度估计定量对比实验 | 第141-148页 |
4.5.2 动态车辆检测定量对比实验 | 第148-151页 |
4.5.3 定性实验 | 第151-159页 |
4.6 结论 | 第159-161页 |
第五章 总结与展望 | 第161-165页 |
5.1 总结 | 第161-163页 |
5.2 展望 | 第163-165页 |
致谢 | 第165-167页 |
参考文献 | 第167-185页 |
作者在学期间取得的学术成果 | 第185-186页 |