基于激光雷达的车前地形快速测量方法关键技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 传感器融合技术 | 第14-16页 |
| 1.4 本文主要研究内容 | 第16-19页 |
| 第2章 车前地形快速测量系统 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 激光雷达 | 第19-25页 |
| 2.2.1 激光雷达测距原理 | 第20-22页 |
| 2.2.2 ibeo LUX 2010激光雷达 | 第22-25页 |
| 2.3 位置及姿态信息获取系统 | 第25-26页 |
| 2.4 信息处理流程 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 点云数据采集与处理 | 第29-49页 |
| 3.1 引言 | 第29页 |
| 3.2 激光雷达标定 | 第29-32页 |
| 3.3 PCL编程库 | 第32-33页 |
| 3.4 点云坐标变换 | 第33-36页 |
| 3.5 点云数据索引 | 第36-41页 |
| 3.5.1 邻域 | 第36-37页 |
| 3.5.2 K-D树 | 第37-40页 |
| 3.5.3 K-D树最近邻搜索算法 | 第40-41页 |
| 3.6 滤波 | 第41-42页 |
| 3.6.1 统计滤波 | 第41页 |
| 3.6.2 统计滤波实验 | 第41-42页 |
| 3.7 平滑处理 | 第42-48页 |
| 3.7.1 多项式拟合 | 第43页 |
| 3.7.2 建立拟合函数 | 第43-44页 |
| 3.7.3 权函数选择 | 第44-45页 |
| 3.7.4 平滑算法设计及实验 | 第45-48页 |
| 3.8 本章小结 | 第48-49页 |
| 第4章 聚类与信息提取 | 第49-61页 |
| 4.1 引言 | 第49页 |
| 4.2 聚类方法 | 第49-52页 |
| 4.2.1 基于密度的聚类 | 第50-51页 |
| 4.2.2 激光雷达点云数据分析 | 第51-52页 |
| 4.3 基于非参数核密度估计的DBSCAN算法 | 第52-57页 |
| 4.3.1 核密度估计 | 第52-54页 |
| 4.3.2 改进的DBSCAN算法 | 第54-57页 |
| 4.4 障碍边界直线拟合 | 第57-59页 |
| 4.5 相对高度提取 | 第59-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第5章 构建栅格地图 | 第61-71页 |
| 5.1 引言 | 第61-62页 |
| 5.2 证据理论 | 第62-65页 |
| 5.2.1 栅格地图简介 | 第62-63页 |
| 5.2.2 D-S证据理论及改进 | 第63-65页 |
| 5.3 建立栅格地图 | 第65-69页 |
| 5.3.1 建立局部栅格地图 | 第65-67页 |
| 5.3.2 栅格地图动态更新 | 第67-69页 |
| 5.4 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 全文总结 | 第71-72页 |
| 6.2 本文展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |
