| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 论文研究背景及意义 | 第9-11页 |
| 1.1.1 论文的研究背景 | 第9-11页 |
| 1.1.2 论文的研究意义 | 第11页 |
| 1.2 国内外研究现状及分析 | 第11-16页 |
| 1.2.1 车辆行为识别技术国内外研究现状 | 第11-13页 |
| 1.2.2 车辆航姿测量技术国内外研究现状 | 第13-15页 |
| 1.2.3 目标分类方法国内外研究现状 | 第15-16页 |
| 1.3 论文的主要研究内容及章节安排 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 车辆典型行为识别系统构建 | 第18-25页 |
| 2.1 车辆典型行为识别系统概述 | 第18-19页 |
| 2.2 车辆典型行为识别系统框架 | 第19-22页 |
| 2.2.1 车辆行为参数估计模块 | 第19-20页 |
| 2.2.2 车辆典型行为识别模块 | 第20-22页 |
| 2.3 车辆典型行为识别系统的硬件选择 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 车辆典型行为参数估计 | 第25-64页 |
| 3.1 车载坐标系的建立及坐标系转换 | 第25-29页 |
| 3.1.1 车载坐标系 | 第25-26页 |
| 3.1.2 坐标系转换 | 第26-29页 |
| 3.2 陀螺仪的车辆姿态估计方法 | 第29-42页 |
| 3.2.1 陀螺仪的车辆姿态估计算法 | 第29-41页 |
| 3.2.2 陀螺仪的车辆姿态估计算法分析 | 第41-42页 |
| 3.3 加速度计和磁强计组合的车辆姿态估计方法 | 第42-47页 |
| 3.3.1 加速度计和磁强计组合的车辆姿态估计算法 | 第42-46页 |
| 3.3.2 加速度计和磁强计组合的车辆姿态估计算法仿真 | 第46-47页 |
| 3.4 多传感器融合的车辆姿态估计方法 | 第47-57页 |
| 3.4.1 扩展卡尔曼滤波姿态解算方法 | 第48-53页 |
| 3.4.2 多源传感器融合的车辆姿态估计算法仿真 | 第53-57页 |
| 3.5 基于加速度修正的车辆速度估计方法 | 第57-63页 |
| 3.5.1 车辆速度估计及修正 | 第57-61页 |
| 3.5.2 车辆速度估计仿真 | 第61-63页 |
| 3.6 本章小结 | 第63-64页 |
| 第四章 基于支持向量机的车辆典型行为识别 | 第64-79页 |
| 4.1 车辆典型行为特征分析 | 第64-69页 |
| 4.2 车辆行为参数的特征提取 | 第69-73页 |
| 4.2.1 车辆姿态特征提取 | 第69-72页 |
| 4.2.2 车辆速度特征提取 | 第72-73页 |
| 4.3 支持向量机在车辆典型行为识别中的应用 | 第73-78页 |
| 4.3.1 支持向量机算法 | 第73-77页 |
| 4.3.2 车辆典型行为识别方法 | 第77-78页 |
| 4.4 本章小结 | 第78-79页 |
| 第五章 智能车环境下车辆典型行为识别试验 | 第79-92页 |
| 5.1 车辆典型行为识别平台搭建 | 第79-86页 |
| 5.1.1 智能车实验平台 | 第79-80页 |
| 5.1.2 车辆典型行为识别软件设计 | 第80-83页 |
| 5.1.3 参数选择分析 | 第83-86页 |
| 5.2 车辆行为识别实验与分析 | 第86-91页 |
| 5.3 本章小结 | 第91-92页 |
| 第六章 总结与展望 | 第92-94页 |
| 参考文献 | 第94-99页 |
| 攻读学位期间取得的研究成果 | 第99-100页 |
| 致谢 | 第100页 |