| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第12-34页 |
| 1.1 论文的研究背景及意义 | 第12-13页 |
| 1.2 无人驾驶车辆自主导航技术概述 | 第13-14页 |
| 1.3 无人驾驶车辆发展现状 | 第14-16页 |
| 1.3.1 国外发展现状 | 第15页 |
| 1.3.2 国内发展现状 | 第15-16页 |
| 1.4 城市道路环境感知研究现状 | 第16-25页 |
| 1.4.1 车道线检测算法研究现状 | 第17-19页 |
| 1.4.2 箭头标志检测识别算法研究现状 | 第19-23页 |
| 1.4.3 车辆检测算法研究现状 | 第23-25页 |
| 1.5 路径规划研究现状 | 第25-30页 |
| 1.5.1 传统路径规划算法研究现状 | 第26-28页 |
| 1.5.2 群体智能算法路径规划研究现状 | 第28-30页 |
| 1.6 目前存在的主要研究难点总结 | 第30-31页 |
| 1.7 主要研究内容 | 第31-34页 |
| 第2章 基于上凸曲线模型的车道线检测 | 第34-50页 |
| 2.1 引言 | 第34页 |
| 2.2 基于模型的车道线检测算法概述 | 第34-38页 |
| 2.2.1 道路约束假设 | 第34-35页 |
| 2.2.2 常用的车道线模型 | 第35-36页 |
| 2.2.3 车道线候选点的提取与拟合 | 第36-38页 |
| 2.3 基于上凸曲线模型的车道线检测 | 第38-45页 |
| 2.3.1 上凸曲线模型假设 | 第39页 |
| 2.3.2 车道线边缘检测 | 第39-40页 |
| 2.3.3 BP神经网络上凸曲线拟合 | 第40-44页 |
| 2.3.3.1 BP神经元 | 第40-42页 |
| 2.3.3.2 BP神经网络正向传播 | 第42页 |
| 2.3.3.3 BP神经网络反向传播 | 第42-44页 |
| 2.3.4 最小二乘法左右车道线重构 | 第44-45页 |
| 2.4 实验结果与分析 | 第45-49页 |
| 2.5 本章小结 | 第49-50页 |
| 第3章 生物视觉感知模型与判别型表观模型的箭头标志检测识别 | 第50-68页 |
| 3.1 引言 | 第50-51页 |
| 3.2 箭头标志检测识别算法概述 | 第51-53页 |
| 3.3 基于结合两种模型的路面箭头标志检测识别 | 第53-59页 |
| 3.3.1 感兴趣区域提取 | 第53-54页 |
| 3.3.2 箭头标志检测 | 第54-56页 |
| 3.3.3 箭头标志识别 | 第56-59页 |
| 3.3.3.1 箭头标志稀疏表示 | 第56-58页 |
| 3.3.3.2 箭头标志分类 | 第58-59页 |
| 3.4 实验结果与分析 | 第59-66页 |
| 3.4.1 实验参数设置 | 第60-61页 |
| 3.4.1.1 实验数据库制作 | 第60页 |
| 3.4.1.2 字典训练和分类器训练 | 第60-61页 |
| 3.4.2 实验结果分析 | 第61-66页 |
| 3.5 本章小结 | 第66-68页 |
| 第4章 基于自适应金字塔模型改进的DPM车辆检测 | 第68-82页 |
| 4.1 引言 | 第68-70页 |
| 4.2 经典DPM算法 | 第70-73页 |
| 4.2.1 DPM算法检测模型 | 第70-71页 |
| 4.2.2 DPM算法目标检测原理 | 第71-73页 |
| 4.3 基于自适应金字塔模型改进的DPM车辆检测算法 | 第73-77页 |
| 4.3.1 快速特征金字塔估算 | 第74-76页 |
| 4.3.2 改进后的DPM车辆检测流程 | 第76-77页 |
| 4.4 实验结果与分析 | 第77-80页 |
| 4.4.1 定性分析 | 第77-79页 |
| 4.4.2 定量分析 | 第79-80页 |
| 4.5 本章小结 | 第80-82页 |
| 第5章 基于改进粒子群算法的路径规划 | 第82-108页 |
| 5.1 引言 | 第82-84页 |
| 5.2 经典的粒子群算法介绍 | 第84-89页 |
| 5.2.1 经典粒子群算法的基本原理 | 第84-85页 |
| 5.2.2 经典粒子群算法的数学表示 | 第85页 |
| 5.2.3 经典粒子群算法实现步骤 | 第85-87页 |
| 5.2.4 经典粒子群算法的优化途径 | 第87-89页 |
| 5.3 基于参数和更新方程改进的粒子群算法 | 第89-95页 |
| 5.3.1 PSO算法的参数改进 | 第89-92页 |
| 5.3.2 PSO算法引入多种更新策略 | 第92-95页 |
| 5.3.2.1 鸡群算法概述 | 第92-93页 |
| 5.3.2.2 引入多种更新策略的具体阐述 | 第93-95页 |
| 5.4 基准函数优化测试 | 第95-100页 |
| 5.5 改进粒子群算法的路径规划 | 第100-102页 |
| 5.5.1 环境建模 | 第101页 |
| 5.5.2 适应度函数 | 第101-102页 |
| 5.6 路径规划实验结果与分析 | 第102-106页 |
| 5.7 本章小结 | 第106-108页 |
| 第6章 总结与展望 | 第108-112页 |
| 6.1 论文总结 | 第108-111页 |
| 6.2 研究展望 | 第111-112页 |
| 参考文献 | 第112-122页 |
| 致谢 | 第122-124页 |
| 作者简介及攻读学位期间发表的学术论文与研究成果 | 第124页 |