摘要 | 第1-7页 |
Abstract | 第7-13页 |
第1章 绪论 | 第13-32页 |
·研究的目的和意义 | 第13-14页 |
·国内外无人车凹凸障碍物识别研究现状及发展趋势 | 第14-22页 |
·无人车凹凸障碍物识别的国外研究现状 | 第14-18页 |
·无人车凹凸障碍物识别的国内研究现状 | 第18-21页 |
·发展趋势 | 第21-22页 |
·国内外水障碍识别方法研究现状 | 第22-27页 |
·白天水障碍检测 | 第22-26页 |
·夜间水障碍检测 | 第26-27页 |
·全天时水障碍研究 | 第27页 |
·线结构光技术研究现状 | 第27-30页 |
·论文结构安排 | 第30-31页 |
本章小结 | 第31-32页 |
第2章 线结构光远距离水障碍、凹凸障碍检测视觉传感器系统 | 第32-49页 |
·结构光检测原理 | 第32-38页 |
·光学三角法测量原理 | 第32-34页 |
·结构光传感器数学模型 | 第34-38页 |
·传感器系统结构原理 | 第38-39页 |
·传感器系统设计 | 第39-47页 |
·激光发射器设计 | 第39-41页 |
·CCD光学系统设计 | 第41-45页 |
·配件 | 第45-47页 |
·线结构光光条 | 第47-48页 |
·点光源加偏摆镜型 | 第47页 |
·一字线型 | 第47-48页 |
本章小结 | 第48-49页 |
第3章 传感器系统标定及障碍特征信息解算 | 第49-79页 |
·传感器特性 | 第49-51页 |
·探测范围 | 第49-50页 |
·探测分辨力和阈值 | 第50页 |
·光条最小间距 | 第50-51页 |
·传感器标定方法 | 第51-62页 |
·现有线结构光标定方法 | 第51页 |
·本文的标定方法 | 第51-62页 |
·标定实验 | 第62-63页 |
·标定板 | 第62页 |
·实验分析 | 第62-63页 |
·不同障碍特征信息解算原理 | 第63-77页 |
·被测量定义 | 第63-64页 |
·障碍特征信息获取原理 | 第64-66页 |
·水障碍特征信息计算 | 第66-67页 |
·凹障碍特征信息计算 | 第67-72页 |
·凸障碍特征信息计算 | 第72-77页 |
·障碍物检测实验 | 第77-78页 |
本章小结 | 第78-79页 |
第4章 水障碍、凹凸障碍物的线结构光感知技术 | 第79-123页 |
·线结构光光条特征 | 第79-80页 |
·线结构光图像处理 | 第80-103页 |
·滤波处理 | 第80-93页 |
·光条中心提取 | 第93-103页 |
·水障碍“黑洞”算法 | 第103页 |
·障碍感知依据 | 第103-108页 |
·根据光条形状感知障碍类型 | 第104-106页 |
·不同障碍物感知依据 | 第106-108页 |
·实验 | 第108-122页 |
·实验设备 | 第108-109页 |
·线结构光光条强度分布实验 | 第109-111页 |
·线结构光障碍检测实验 | 第111-121页 |
·实验结论 | 第121-122页 |
本章小结 | 第122-123页 |
第5章 线结构光障碍物检测传感器和三维激光雷达信息融合 | 第123-154页 |
·激光雷达 | 第123-145页 |
·三维激光雷达原理 | 第123-125页 |
·激光雷达数据格式 | 第125-128页 |
·点云软件 | 第128-136页 |
·激光雷达数据处理流程 | 第136-137页 |
·障碍检测实验 | 第137-145页 |
·多传感器融合概述 | 第145-146页 |
·基于D-S证据理论的目标识别融合 | 第146-151页 |
·D-S理论基础 | 第146-147页 |
·Dempster组合规则 | 第147页 |
·递归分布式目标信息识别融合 | 第147-148页 |
·基本概率赋值函数的获取 | 第148-149页 |
·环境和通行性评价 | 第149-151页 |
·障碍感知系统信息处理 | 第151-153页 |
·信息融合处理过程 | 第151-152页 |
·融合实验 | 第152-153页 |
本章小结 | 第153-154页 |
总结与展望 | 第154-156页 |
参考文献 | 第156-164页 |
攻读学位期间发表论文与研究成果清单 | 第164-165页 |
致谢 | 第165-166页 |
作者简介 | 第166页 |