基于激光雷达的无人测量船环境感知系统研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 无人船发展概述 | 第11-13页 |
| 1.3 无人船的环境感知系统发展现状 | 第13-15页 |
| 1.4 基于激光雷达的环境感知系统研究现状 | 第15-16页 |
| 1.5 课题来源和论文的结构 | 第16-18页 |
| 1.5.1 课题来源 | 第16页 |
| 1.5.2 主要研究内容 | 第16-18页 |
| 第2章 无人测量船环境感知系统组成 | 第18-33页 |
| 2.1 无人测量船环境感知系统构成设计 | 第18页 |
| 2.2 激光雷达感知子系统 | 第18-24页 |
| 2.2.1 激光雷达概述 | 第19-20页 |
| 2.2.2 通信连接 | 第20-22页 |
| 2.2.3 数据格式 | 第22-23页 |
| 2.2.4 数据解析 | 第23-24页 |
| 2.3 船舶状态感知子系统 | 第24-31页 |
| 2.3.1 GPS | 第24-27页 |
| 2.3.2 惯导 | 第27-31页 |
| 2.4 辅助子系统 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于激光雷达的障碍物分类方法 | 第33-48页 |
| 3.1 障碍物类别分析 | 第33-35页 |
| 3.2 特征属性分析 | 第35页 |
| 3.3 障碍物的初分类 | 第35-42页 |
| 3.3.1 数据滤波 | 第36-37页 |
| 3.3.2 聚类分割 | 第37-42页 |
| 3.3.3 去除孤立点集 | 第42页 |
| 3.4 基于SVM的障碍物分类 | 第42-47页 |
| 3.4.1 SVM简介 | 第43页 |
| 3.4.2 SVM算法 | 第43-44页 |
| 3.4.3 特征定义 | 第44-45页 |
| 3.4.4 SVM分类结果 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 无人测量船环境感知系统软件设计 | 第48-63页 |
| 4.1 系统设计 | 第48-50页 |
| 4.1.1 系统需求分析 | 第48-49页 |
| 4.1.2 系统界面设计 | 第49-50页 |
| 4.2 传感器数据处理模块 | 第50-55页 |
| 4.2.1 通信建立 | 第50-51页 |
| 4.2.2 数据解析和显示 | 第51-53页 |
| 4.2.3 障碍物信息的传输 | 第53-54页 |
| 4.2.4 数据保存和回放 | 第54-55页 |
| 4.3 障碍物分类模块 | 第55-58页 |
| 4.3.1 聚类算法实现 | 第55-56页 |
| 4.3.2 SVM算法实现 | 第56-58页 |
| 4.4 环境感知地图模块 | 第58-62页 |
| 4.4.1 坐标系转换 | 第58-60页 |
| 4.4.2 障碍物的绘制建模 | 第60-61页 |
| 4.4.3 无人测量船环境地图的生成 | 第61-62页 |
| 4.5 辅助模块 | 第62页 |
| 4.6 本章小结 | 第62-63页 |
| 第5章 环境感知系统实验 | 第63-72页 |
| 5.1 实验平台 | 第63-66页 |
| 5.1.1 实验环境 | 第63页 |
| 5.1.2 船舶试验平台 | 第63-64页 |
| 5.1.3 船舶稳性调整 | 第64-65页 |
| 5.1.4 传感器通信频率设置 | 第65页 |
| 5.1.5 环境地图坐标系的确定 | 第65-66页 |
| 5.2 静态环境下的感知实验 | 第66-68页 |
| 5.2.1 SVM分类结果 | 第67-68页 |
| 5.2.2 地图生成效果 | 第68页 |
| 5.3 动态环境下的感知实验 | 第68-71页 |
| 5.3.1 SVM分类结果 | 第69页 |
| 5.3.2 地图生成效果 | 第69-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 主要创新点 | 第73页 |
| 6.3 展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读学位期间获得与学位论文相关的科研成果目录 | 第79页 |
