| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题的背景意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 无人船现状 | 第10-12页 |
| 1.2.2 无人船的环境感知技术及其研究现状 | 第12-13页 |
| 1.2.3 雷达技术及其现状 | 第13-14页 |
| 1.2.4 无人船的视觉感知技术及其现状 | 第14-15页 |
| 1.3 研究内容及论文结构 | 第15-17页 |
| 2 基于毫米波雷达的无人船前方有效障碍物获取方法 | 第17-25页 |
| 2.1 毫米波雷达 | 第17-18页 |
| 2.2 毫米波雷达的数据接收与预处理 | 第18-19页 |
| 2.3 有效目标确定 | 第19-22页 |
| 2.3.1 基于卡尔曼滤波的有效目标物预测 | 第19-20页 |
| 2.3.2 基于生命周期理论的目标物有效性确定 | 第20-22页 |
| 2.4 实验验证 | 第22-23页 |
| 2.4.1 毫米波雷达性能验证 | 第22-23页 |
| 2.4.2 目标有效性确定方法性能验证 | 第23页 |
| 2.5 本章小结 | 第23-25页 |
| 3 基于视觉传感器的无人船前方障碍物获取方法 | 第25-38页 |
| 3.1 视觉传感器 | 第25页 |
| 3.2 基于均值漂移滤波的模糊C均值水面目标图像分割算法 | 第25-35页 |
| 3.2.1 传统的模糊C均值算法 | 第26页 |
| 3.2.2 均值漂移算法平滑滤波 | 第26-27页 |
| 3.2.3 基于大津法的图像二值化 | 第27页 |
| 3.2.4 算法流程 | 第27-28页 |
| 3.2.5 实验分析 | 第28-35页 |
| 3.3 目标物轮廓提取 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 4 基于毫米波雷达与视觉传感器融合的无人船前方障碍物感知方法 | 第38-57页 |
| 4.1 空间上融合 | 第38-50页 |
| 4.1.1 毫米波雷达坐标系与世界坐标系的转换 | 第38-39页 |
| 4.1.2 摄像头坐标系与世界坐标系的转换 | 第39-45页 |
| 4.1.3 传感器世界坐标系与无人船坐标系的统一 | 第45-46页 |
| 4.1.4 融合参数的确定 | 第46-50页 |
| 4.2 时间上融合 | 第50-51页 |
| 4.3 基于感兴趣区域的多传感器信息融合方法 | 第51-53页 |
| 4.4 实验与结果分析 | 第53-56页 |
| 4.4.1 融合模型验证 | 第53-55页 |
| 4.4.2 模拟水面环境测试 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 本文总结 | 第57页 |
| 5.2 不足与展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 攻读硕士期间研究成果及所获奖励 | 第61-62页 |
| 致谢 | 第62页 |