基于三维激光雷达的障碍物检测与跟踪研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-22页 |
| 1.2.1 国外研究现状 | 第17-20页 |
| 1.2.2 国内研究现状 | 第20-22页 |
| 1.3 课题来源与研究内容 | 第22-24页 |
| 1.3.1 课题来源 | 第22页 |
| 1.3.2 研究内容 | 第22-24页 |
| 第二章 动态感兴趣区域的建立 | 第24-34页 |
| 2.1 视觉图像预处理 | 第24-27页 |
| 2.1.1 高斯滤波 | 第24-25页 |
| 2.1.2 Canny边缘检测 | 第25-27页 |
| 2.2 车道线检测 | 第27-30页 |
| 2.2.1 车道线边缘点提取 | 第27-28页 |
| 2.2.2 车道线边缘点投影统计 | 第28-29页 |
| 2.2.3 消失点与车道线位置搜索 | 第29-30页 |
| 2.3 感兴趣区域边界的确定 | 第30页 |
| 2.4 实验结果与分析 | 第30-33页 |
| 2.4.1 实验平台搭建 | 第30-31页 |
| 2.4.2 车道线检测实验结果与分析 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 障碍物栅格地图的建立 | 第34-49页 |
| 3.1 栅格地图的建立 | 第34-39页 |
| 3.1.1 水平分辨率分析 | 第34-35页 |
| 3.1.2 坐标转换及映射模型 | 第35-39页 |
| 3.2 原始点云数据噪声处理 | 第39-43页 |
| 3.2.1 距离像噪声来源分析 | 第40-41页 |
| 3.2.2 改进的中值滤波算法 | 第41-43页 |
| 3.3 背景点云分割 | 第43-46页 |
| 3.3.1 最值高度差法 | 第44-45页 |
| 3.3.2 基于栅格最值的占领栅格法 | 第45-46页 |
| 3.4 实验结果与分析 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于点云数据特征的障碍物检测 | 第49-61页 |
| 4.1 数据预处理 | 第49-53页 |
| 4.1.1 膨胀和腐蚀算法 | 第49-51页 |
| 4.1.2 形态学开、闭运算 | 第51-53页 |
| 4.2 障碍物聚类 | 第53-57页 |
| 4.2.1 障碍物聚类算法概述 | 第54页 |
| 4.2.2 DBSCAN算法 | 第54-55页 |
| 4.2.3 基于邻域搜索的密度聚类标记算法 | 第55-57页 |
| 4.3 障碍物位姿参数建模 | 第57页 |
| 4.4 实验结果与分析 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 动态障碍物信息提取 | 第61-73页 |
| 5.1 障碍物数据关联 | 第61-64页 |
| 5.1.1 关联算法概述 | 第61-62页 |
| 5.1.2 多特征的最近邻算法 | 第62-64页 |
| 5.2 动态障碍物检测 | 第64页 |
| 5.3 基于扩展Kalman滤波器障碍物跟踪 | 第64-68页 |
| 5.3.1 扩展Kalman滤波器算法原理 | 第65-67页 |
| 5.3.2 动态障碍物跟踪参数设置 | 第67-68页 |
| 5.4 实验结果与分析 | 第68-72页 |
| 5.4.1 数据关联实验结果 | 第68-70页 |
| 5.4.2 障碍物跟踪实验结果 | 第70-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第六章 总结和展望 | 第73-75页 |
| 6.1 全文总结 | 第73-74页 |
| 6.2 工作展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第79-80页 |
