基于视觉的无人驾驶车辆运动控制的研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-24页 |
| 1.1 引言 | 第11页 |
| 1.2 课题研究背景及意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-21页 |
| 1.3.1 无人驾驶汽车国内外发展现状 | 第12-18页 |
| 1.3.2 视觉目标识别及跟踪研究现状 | 第18-20页 |
| 1.3.3 局部路径规划下的运动控制研究现状 | 第20-21页 |
| 1.4 研究内容与论文安排 | 第21-24页 |
| 1.4.1 需要解决的关键问题 | 第21-22页 |
| 1.4.2 技术路线 | 第22-23页 |
| 1.4.3 论文安排 | 第23-24页 |
| 第2章 无人驾驶汽车视觉系统及模型构建 | 第24-40页 |
| 2.1 引言 | 第24页 |
| 2.2 无人驾驶汽车视觉系统构建 | 第24-30页 |
| 2.2.1 视觉系统硬件平台 | 第24-25页 |
| 2.2.2 摄像头选型及安装 | 第25-28页 |
| 2.2.3 车载摄像机标定 | 第28-30页 |
| 2.3 无人驾驶汽车车辆模型 | 第30-35页 |
| 2.3.1 模型参考坐标系定义 | 第30-32页 |
| 2.3.2 车辆运动学模型及验证 | 第32-34页 |
| 2.3.3 车辆动力学约束模型 | 第34-35页 |
| 2.4 模型预测控制理论 | 第35-39页 |
| 2.4.1 模型预测控制的基本原理 | 第35-36页 |
| 2.4.2 模型预测控制的算法描述 | 第36-37页 |
| 2.4.3 非线性系统的线性化方法 | 第37-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第3章 无人驾驶汽车视觉目标识别及跟踪 | 第40-57页 |
| 3.1 引言 | 第40页 |
| 3.2 识别目标图像多特征提取及描述 | 第40-44页 |
| 3.2.1 图像范围ROI获取 | 第40-41页 |
| 3.2.2 多特征的协方差描述 | 第41-43页 |
| 3.2.3 协方差积分图计算 | 第43页 |
| 3.2.4 快速尺度不变性特征 | 第43-44页 |
| 3.3 基于多特征值融合的粒子滤波算法 | 第44-51页 |
| 3.3.1 粒子滤波算法理论基础 | 第44-48页 |
| 3.3.2 算法系统设计流程 | 第48-49页 |
| 3.3.3 目标物体运动状态及观测模型 | 第49-50页 |
| 3.3.4 算法实现流程 | 第50-51页 |
| 3.4 算法的实验验证 | 第51-56页 |
| 3.4.1 实验条件及数据来源 | 第51页 |
| 3.4.2 实验过程及分析 | 第51-54页 |
| 3.4.3 蒙特卡罗统计结果 | 第54-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第4章 无人驾驶汽车路径规划和运动控制策略 | 第57-78页 |
| 4.1 引言 | 第57页 |
| 4.2 局部路径规划的任务与要求 | 第57-58页 |
| 4.3 图像重要区域分块的原理及实现 | 第58-60页 |
| 4.3.1 图像重要区域分块的原理 | 第58-60页 |
| 4.3.2 图像重要区域分块的实现过程 | 第60页 |
| 4.4 基于安全距离模型的车辆纵向控制 | 第60-64页 |
| 4.4.1 车辆纵向控制原理 | 第60-61页 |
| 4.4.2 车辆纵向控制策略 | 第61-62页 |
| 4.4.3 仿真实验验证 | 第62-64页 |
| 4.5 局部路径重规划下车辆的横向控制策略 | 第64-77页 |
| 4.5.1 结合触须算法的局部路径重规划 | 第64-67页 |
| 4.5.2 模型预测控制的轨迹跟踪 | 第67-70页 |
| 4.5.3 仿真实验验证 | 第70-77页 |
| 4.6 本章小结 | 第77-78页 |
| 第5章 基于视觉伺服的车辆控制仿真研究 | 第78-85页 |
| 5.1 引言 | 第78页 |
| 5.2 仿真平台 | 第78-81页 |
| 5.2.1 PANOSIM模型构建 | 第78-80页 |
| 5.2.2 实验设计 | 第80-81页 |
| 5.3 仿真实验结果分析 | 第81-84页 |
| 5.4 本章小结 | 第84-85页 |
| 结论与展望 | 第85-88页 |
| 全文总结 | 第85-87页 |
| 研究展望 | 第87-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-94页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第94页 |
