| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第8-17页 |
| 1.1 智能车辆的研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 智能车辆国内外研究现状 | 第9-13页 |
| 1.2.2 视觉导航智能车研究现状 | 第13-14页 |
| 1.3 论文内容与章节安排 | 第14-17页 |
| 2 智能车系统软件和硬件设计 | 第17-38页 |
| 2.1 引言 | 第17页 |
| 2.2 智能车系统开发 | 第17-24页 |
| 2.2.1 实验平台介绍 | 第17-18页 |
| 2.2.2 智能车系统整体架构 | 第18-19页 |
| 2.2.3 上位机界面开发 | 第19-20页 |
| 2.2.4 下位机开发环境 | 第20-21页 |
| 2.2.5 下位机微处理器 | 第21-23页 |
| 2.2.6 上位机与下位机之间的数据交互 | 第23-24页 |
| 2.3 自动转向系统设计 | 第24-33页 |
| 2.3.1 步进电机以及其驱动器 | 第24-26页 |
| 2.3.2 步进电机的驱动 | 第26-27页 |
| 2.3.3 方向盘角度传感器 | 第27-31页 |
| 2.3.4 自动转向机械结构设计 | 第31-33页 |
| 2.4 自动制动系统设计 | 第33-36页 |
| 2.4.1 制动伺服舵机的选择 | 第33-34页 |
| 2.4.2 脉宽调制器 | 第34-36页 |
| 2.5 车辆纵向控制 | 第36页 |
| 2.6 本章小结 | 第36-38页 |
| 3 基于单目视觉的车道线识别 | 第38-50页 |
| 3.1 引言 | 第38-39页 |
| 3.2 提取车道线轨迹 | 第39-44页 |
| 3.2.1 交通场景获取 | 第39-40页 |
| 3.2.2 感兴趣域图像 | 第40-41页 |
| 3.2.3 灰度转换和均值滤波 | 第41页 |
| 3.2.4 Canny边缘检测 | 第41-42页 |
| 3.2.5 图像的阈值分割与形态学处理 | 第42-43页 |
| 3.2.6 霍夫直线检测 | 第43-44页 |
| 3.3 提取车道线方程 | 第44-48页 |
| 3.3.1 基于k-means聚类算法的两侧车道线分类 | 第44-47页 |
| 3.3.2 基于最小二乘法的车道线拟合 | 第47-48页 |
| 3.4 本章小结 | 第48-50页 |
| 4 路径跟踪控制器设计与仿真 | 第50-64页 |
| 4.1 引言 | 第50页 |
| 4.2 视觉预瞄路径跟踪模型 | 第50-51页 |
| 4.3 车辆系统模型 | 第51-55页 |
| 4.3.1 车辆横向控制模型 | 第51-52页 |
| 4.3.2 建立车辆坐标系 | 第52页 |
| 4.3.3 动力学模型 | 第52-54页 |
| 4.3.4 车辆动力学模型的线性化 | 第54-55页 |
| 4.4 模糊自适应PID控制器设计 | 第55-60页 |
| 4.4.1 离散PID控制算法 | 第55-56页 |
| 4.4.2 模糊控制 | 第56-57页 |
| 4.4.3 模糊自适应PID控制器的设计 | 第57-60页 |
| 4.5 轨迹跟踪仿真结果分析 | 第60-62页 |
| 4.6 本章小结 | 第62-64页 |
| 5 实车试验和验证 | 第64-68页 |
| 5.1 引言 | 第64页 |
| 5.2 实验环境搭建 | 第64-65页 |
| 5.3 轨迹跟踪实验 | 第65-67页 |
| 5.3.1 室内场景实验 | 第65-66页 |
| 5.3.2 室外场景实验 | 第66-67页 |
| 5.4 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表学术论文情况 | 第74-75页 |
| 致谢 | 第75-77页 |