| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 缩写符号说明 | 第13-14页 |
| 第一章 绪论 | 第14-32页 |
| 1.1 研究背景与研究意义 | 第14-24页 |
| 1.1.1 国外无人驾驶研究现状 | 第16-19页 |
| 1.1.2 国内无人驾驶研究现状 | 第19-22页 |
| 1.1.3 自主驾驶发展趋势 | 第22-23页 |
| 1.1.4 本文研究意义 | 第23-24页 |
| 1.2 适于定位的Velodyne HDL-64E激光雷达 | 第24-28页 |
| 1.2.1 无人驾驶车载传感器 | 第24-26页 |
| 1.2.2 Velodyne HDL-64E雷达参数 | 第26-27页 |
| 1.2.3 Velodyne HDL-64E雷达几何模型 | 第27-28页 |
| 1.3 论文的组织结构与贡献 | 第28-32页 |
| 1.3.1 论文的研究内容与组织结构 | 第28-30页 |
| 1.3.2 论文的贡献 | 第30-32页 |
| 第二章 基于线匹配的初始位置估计方法研究 | 第32-60页 |
| 2.1 引言 | 第32-34页 |
| 2.2 相关工作 | 第34-35页 |
| 2.3 二维雷达反射率地图的构建 | 第35-43页 |
| 2.3.1 雷达反射率的标定 | 第35-37页 |
| 2.3.2 精确的二维先验地图的创建 | 第37-40页 |
| 2.3.3 平滑的二维局部地图的构建 | 第40-41页 |
| 2.3.4 雷达反射率地图的属性 | 第41-43页 |
| 2.4 雷达反射率地图中的线段匹配算法 | 第43-50页 |
| 2.4.1 线段的检测 | 第43-44页 |
| 2.4.2 线段的特征描述 | 第44-45页 |
| 2.4.3 构建关联图 | 第45-49页 |
| 2.4.4 谱方法求解 | 第49-50页 |
| 2.5 估计初始位置 | 第50-51页 |
| 2.6 实验结果与分析 | 第51-58页 |
| 2.6.1 亮度图的线匹配结果与分析 | 第51-54页 |
| 2.6.2 初始位置估计的结果与分析 | 第54-58页 |
| 2.7 结论 | 第58-60页 |
| 第三章 三维特征点云块结构的扫描配准方法研究 | 第60-94页 |
| 3.1 相关工作 | 第61-62页 |
| 3.2 原始点云的矫正 | 第62-65页 |
| 3.3 扫描配准方法 | 第65-77页 |
| 3.3.1 特征点云的提取 | 第65-67页 |
| 3.3.2 寻找对应关系 | 第67-69页 |
| 3.3.3 基于块的度量准则 | 第69-71页 |
| 3.3.4 帧与帧之间的粗配准 | 第71-73页 |
| 3.3.5 基于光束平差法的精配准 | 第73-77页 |
| 3.4 静态环境下的扫描配准实验 | 第77-83页 |
| 3.4.1 我们采集数据上的定性实验 | 第77-79页 |
| 3.4.2 公开KITTI数据上的定量实验 | 第79-83页 |
| 3.5 动态场景下的扫描配准实验 | 第83-92页 |
| 3.5.1 动态车辆的移除 | 第83-85页 |
| 3.5.2 我们采集数据上的定性实验 | 第85-88页 |
| 3.5.3 公开KITTI数据上的定量实验 | 第88-92页 |
| 3.6 本章小结 | 第92-94页 |
| 第四章 三维特征点云建图及定位方法研究 | 第94-124页 |
| 4.1 三维特点云图的建图方法 | 第94-105页 |
| 4.1.1 相关工作 | 第95-97页 |
| 4.1.2 高精度的三维地图的构建 | 第97-99页 |
| 4.1.3 适合定位的点云地图表示方法 | 第99-101页 |
| 4.1.4 三维地图表示实验及分析 | 第101-105页 |
| 4.2 三维特征点云的实时定位算法 | 第105-122页 |
| 4.2.1 相关工作 | 第105-107页 |
| 4.2.2 实时定位算法 | 第107-115页 |
| 4.2.3 定位实验及分析 | 第115-122页 |
| 4.3 结论 | 第122-124页 |
| 第五章 总结与展望 | 第124-128页 |
| 5.1 论文工作总结 | 第124-125页 |
| 5.2 对进一步研究的展望 | 第125-128页 |
| 致谢 | 第128-130页 |
| 参考文献 | 第130-140页 |
| 作者在学期间取得的学术成果 | 第140-141页 |
