面向无人驾驶汽车的雷达—视觉集成控制器研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景与研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 智能汽车现状 | 第13-14页 |
| 1.2.2 智能汽车环境感知关键技术 | 第14-16页 |
| 1.2.3 环境感知技术国内外研究现状 | 第16-17页 |
| 1.3 研究内容及章节安排 | 第17-19页 |
| 第2章 跟踪基本理论研究 | 第19-36页 |
| 2.1 概述 | 第19页 |
| 2.2 滤波技术 | 第19-26页 |
| 2.2.1 贝叶斯滤波 | 第20-21页 |
| 2.2.2 卡尔曼滤波技术 | 第21-23页 |
| 2.2.3 扩展卡尔曼滤波器 | 第23-25页 |
| 2.2.4 不敏卡尔曼滤波 | 第25-26页 |
| 2.3 机动目标跟踪 | 第26-32页 |
| 2.3.1 自适应跟踪技术 | 第27-28页 |
| 2.3.2 多模型跟踪技术 | 第28-32页 |
| 2.4 数据关联技术 | 第32-35页 |
| 2.4.1 数据关联概述 | 第32-33页 |
| 2.4.2 最近邻算法 | 第33-34页 |
| 2.4.3 联合概率数据关联 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 面向目标跟踪的雷达-视觉信息融合研究 | 第36-46页 |
| 3.1 概述 | 第36-37页 |
| 3.2 多传感器信息融合理论研究 | 第37-44页 |
| 3.2.1 多传感器信息融合框架 | 第37-40页 |
| 3.2.2 融合结构 | 第40-44页 |
| 3.3 雷达-视觉信息融合方法研究 | 第44-46页 |
| 第4章 雷达-视觉集成控制器软件设计 | 第46-58页 |
| 4.1 运动目标的系统模型建立 | 第46-48页 |
| 4.1.1 运动目标状态模型的建立 | 第46-47页 |
| 4.1.2 运动目标观测模型建立 | 第47-48页 |
| 4.2 雷达-视觉集成控制器总体架构 | 第48-51页 |
| 4.2.1 雷达-视觉集成控制器总体架构 | 第48-49页 |
| 4.2.2 雷达-视觉集成控制器控制软件流程设计 | 第49-51页 |
| 4.3 集成控制器软件关键模块设计 | 第51-57页 |
| 4.3.1 IMMEKF模块 | 第51-54页 |
| 4.3.2 雷达量测数据关联模块 | 第54-56页 |
| 4.3.3 视觉数据关联模块 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 雷达-视觉集成控制器软件仿真研究 | 第58-68页 |
| 5.1 仿真模型建立 | 第58-60页 |
| 5.1.1 观测模型建立 | 第58-59页 |
| 5.1.2 雷达-视觉集成控制器模型建立 | 第59-60页 |
| 5.2 仿真工况分析 | 第60-61页 |
| 5.3 变速直线机动目标跟踪仿真及结果分析 | 第61-63页 |
| 5.4 转向机动目标跟踪仿真及结果分析 | 第63-65页 |
| 5.5 杂波环境下多目标跟踪仿真 | 第65-67页 |
| 5.6 本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 全文总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73页 |
