| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 自动泊车简介 | 第9页 |
| 1.2.2 车位检测系统国内外研究现状 | 第9-13页 |
| 1.3 课题的目的及研究意义 | 第13-14页 |
| 1.4 论文的主要内容及章节安排 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 总体设计 | 第16-22页 |
| 2.1 引言 | 第16页 |
| 2.2 激光雷达传感器简介 | 第16-18页 |
| 2.2.1 激光雷达传感器选型 | 第16-17页 |
| 2.2.2 激光雷达传感器测距原理 | 第17-18页 |
| 2.2.3 坐标系转换 | 第18页 |
| 2.3 总体设计方案 | 第18-19页 |
| 2.4 关键问题分析 | 第19-20页 |
| 2.5 本章小结 | 第20-22页 |
| 3 基于2D激光雷达的泊车车位环境感知 | 第22-46页 |
| 3.1 引言 | 第22页 |
| 3.2 激光雷达数据处理 | 第22-29页 |
| 3.2.1 激光雷达数据预处理 | 第22-24页 |
| 3.2.2 激光雷达数据特性分析 | 第24-26页 |
| 3.2.3 基于改进型的自适应阈值聚类方法 | 第26-29页 |
| 3.3 基于特征线段的车辆边界轮廓模型建立 | 第29-37页 |
| 3.3.1 车辆轮廓模型建立 | 第30-31页 |
| 3.3.2 基于LT-IEPF方法的车辆特征线段拟合 | 第31-35页 |
| 3.3.3 车辆轮廓提取 | 第35-37页 |
| 3.4 实验验证与分析 | 第37-45页 |
| 3.4.1 基于改进型自适应阈值的激光雷达数据点聚类 | 第37-41页 |
| 3.4.2 基于LT-IEPF方法的车辆特征线段拟合 | 第41-45页 |
| 3.5 本章小结 | 第45-46页 |
| 4 基于多输入多规则模糊推理系统的泊车车位智能检测 | 第46-66页 |
| 4.1 引言 | 第46页 |
| 4.2 泊车车位空间模型建立 | 第46-49页 |
| 4.2.1 典型车辆位姿分析 | 第46-47页 |
| 4.2.2 泊车车位空间模型参数提取 | 第47-49页 |
| 4.3 模糊理论与模糊推理系统 | 第49-50页 |
| 4.4 基于多输入多规则模糊推理系统的泊车车位智能检测 | 第50-59页 |
| 4.4.1 泊车车位类型分类 | 第51-52页 |
| 4.4.2 泊车车位预检测 | 第52页 |
| 4.4.3 基于梯形隶属度法的输入输出模糊化 | 第52-55页 |
| 4.4.4 车位检测的模糊规则库制定 | 第55-58页 |
| 4.4.5 多输入多规则的模糊推理合成 | 第58-59页 |
| 4.5 实验验证与分析 | 第59-65页 |
| 4.5.1 仿真实验平台介绍 | 第59-60页 |
| 4.5.2 仿真实验结果及分析 | 第60-65页 |
| 4.6 本章小结 | 第65-66页 |
| 5 基于2D激光雷达的泊车车位智能检测设计与实现 | 第66-78页 |
| 5.1 引言 | 第66页 |
| 5.2 系统整体框架设计 | 第66-68页 |
| 5.3 系统的实现 | 第68-71页 |
| 5.3.2 系统的设计 | 第68-69页 |
| 5.3.3 系统实现流程 | 第69-71页 |
| 5.4 真实场景应用效果与分析 | 第71-77页 |
| 5.5 本章小结 | 第77-78页 |
| 6 总结与展望 | 第78-80页 |
| 6.1 本文总结 | 第78-79页 |
| 6.2 研究展望 | 第79-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 附录 | 第86页 |
| A.作者在攻读硕士学位期间参与的科研项目 | 第86页 |
