不确定环境下启发式寻路避障规划系统研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题研究意义 | 第9页 |
| 1.2 避障规划系统国内外研究现状 | 第9-12页 |
| 1.2.1 环境信息获取国内外研究现状 | 第9-10页 |
| 1.2.2 避障规划算法国内外研究现状 | 第10-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 本文的技术路线 | 第13-14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 2 避障规划系统组成 | 第16-20页 |
| 2.1 系统组成 | 第16-17页 |
| 2.2 硬件系统组成 | 第17-18页 |
| 2.3 软件系统组成 | 第18-19页 |
| 2.3.1 总体软件系统组成 | 第18-19页 |
| 2.3.2 模块简介 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 不确定环境信息的获取 | 第20-50页 |
| 3.1 传感器信息获取和匹配 | 第20-23页 |
| 3.1.1 传感器信息获取 | 第20-21页 |
| 3.1.2 数据匹配 | 第21-23页 |
| 3.2 阴影检测 | 第23-26页 |
| 3.2.1 阴影检测的意义 | 第23页 |
| 3.2.2 基于HSV双通道融合的阴影检测 | 第23-26页 |
| 3.3 融合阴影检测和绿色通道的道路检测 | 第26-32页 |
| 3.3.1 图像预处理 | 第27-29页 |
| 3.3.2 道路分割算法比较研究 | 第29-31页 |
| 3.3.3 道路边缘点提取和边界拟合 | 第31-32页 |
| 3.4 基于模糊推理和贝叶斯的障碍物检测与分类 | 第32-44页 |
| 3.4.1 激光雷达信息导引下的障碍物检测 | 第32-35页 |
| 3.4.2 目标特征提取 | 第35-37页 |
| 3.4.3 基于模糊推理的多特征融合 | 第37-41页 |
| 3.4.4 基于贝叶斯网络的障碍物分类 | 第41-44页 |
| 3.5 实验结果与分析 | 第44-49页 |
| 3.5.1 道路分割与检测结果与分析 | 第44-47页 |
| 3.5.2 障碍物检测与分类结果与分析 | 第47-49页 |
| 3.6 本章小结 | 第49-50页 |
| 4 基于模糊推理的避障路径规划系统 | 第50-74页 |
| 4.1 动态环境避障与路径规划系统结构 | 第50-54页 |
| 4.1.1 总体框架 | 第50-51页 |
| 4.1.2 障碍物分布特点 | 第51-53页 |
| 4.1.3 避障模式模糊决策 | 第53-54页 |
| 4.2 避障与动态路径规划模糊系统研究 | 第54-66页 |
| 4.2.1 基于行车道模型的模糊变量定义 | 第54-56页 |
| 4.2.2 基于安全距离的隶属度函数 | 第56-60页 |
| 4.2.3 避障与动态路径规划的模糊决策 | 第60-66页 |
| 4.3 仿真研究与实验研究 | 第66-73页 |
| 4.3.1 安全模式 | 第66-67页 |
| 4.3.2 躲避模式 | 第67-69页 |
| 4.3.3 跟车模式 | 第69-70页 |
| 4.3.4 道路试验 | 第70-73页 |
| 4.4 本章小结 | 第73-74页 |
| 5 避障规划系统设计与实现 | 第74-77页 |
| 5.1 系统功能介绍 | 第74-75页 |
| 5.2 系统运行结果 | 第75页 |
| 5.3 本章小结 | 第75-77页 |
| 结论 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第84页 |
