| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-18页 |
| ·引言 | 第9页 |
| ·无人车的国内外发展趋势 | 第9-13页 |
| ·课题研究的意义 | 第13-14页 |
| ·障碍物检测的研究方法 | 第14-16页 |
| ·基于激光雷达的检测方法 | 第14-15页 |
| ·基于视觉的检测方法 | 第15-16页 |
| ·课题的技术路线 | 第16-17页 |
| ·本文的组织架构 | 第17-18页 |
| 第二章 障碍物检测的相关理论介绍 | 第18-32页 |
| ·摄像机模型与标定原理 | 第18-23页 |
| ·摄像机模型 | 第18-21页 |
| ·摄像机标定原理 | 第21-23页 |
| ·图像灰度化 | 第23页 |
| ·图像去噪 | 第23-25页 |
| ·邻域平均法 | 第23-24页 |
| ·中值滤波法 | 第24页 |
| ·高斯滤波法 | 第24-25页 |
| ·图像分割 | 第25-30页 |
| ·基于阈值的分割方法 | 第25-27页 |
| ·基于区域的分割 | 第27页 |
| ·基于边缘的分割 | 第27-30页 |
| ·图像形态学运算 | 第30-32页 |
| 第三章 基于激光雷达和车载GPS的动态障碍物实时检测方法研究 | 第32-43页 |
| ·引言 | 第32页 |
| ·建立激光显示地图 | 第32-34页 |
| ·激光点聚类 | 第34页 |
| ·位移与航向角偏移补偿 | 第34-36页 |
| ·潜在动态障碍物 | 第36-37页 |
| ·匹配潜在动态障碍物并预测运动 | 第37-38页 |
| ·实验结果及分析 | 第38-41页 |
| ·本章小结 | 第41-43页 |
| ·主要研究工作 | 第41-42页 |
| ·研究结论 | 第42-43页 |
| 第四章 基于激光雷达和机器视觉的障碍物检测 | 第43-62页 |
| ·引言 | 第43页 |
| ·传感器选型 | 第43-45页 |
| ·激光雷达选型 | 第43-45页 |
| ·机器视觉传感器选型 | 第45页 |
| ·数据匹配 | 第45-50页 |
| ·空间上的数据匹配 | 第45-50页 |
| ·时间上的数据匹配 | 第50页 |
| ·预处理 | 第50-52页 |
| ·激光数据的预处理 | 第50-51页 |
| ·摄像机数据的预处理 | 第51-52页 |
| ·激光点融合到图像中 | 第52-53页 |
| ·障碍物检测区域的计算 | 第53-55页 |
| ·基于最大类间方差的图像分割 | 第55-59页 |
| ·检测结果对比和误差分析 | 第59-60页 |
| ·构建障碍物分布地图 | 第60页 |
| ·本章小结 | 第60-62页 |
| ·主要研究工作 | 第60-61页 |
| ·研究结论 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·论文的主要工作总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士期间发表的论文 | 第68-69页 |
| 致谢 | 第69-70页 |