基于激光传感器的环境地图构建
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景和选题依据 | 第11-12页 |
| 1.1.2 研究目的及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 自动驾驶技术国内外研究现状 | 第13-14页 |
| 1.2.2 环境地图构建国内外研究现状 | 第14-15页 |
| 1.3 本文研究内容以及组织结构 | 第15-17页 |
| 1.3.1 本文的主要研究内容 | 第16页 |
| 1.3.2 本文的组织结构 | 第16-17页 |
| 第2章 环境地图构建概述 | 第17-27页 |
| 2.1 激光传感器简介 | 第17-18页 |
| 2.1.1 激光传感器的工作原理 | 第17页 |
| 2.1.2 LMS511简介 | 第17-18页 |
| 2.2 构建环境地图涉及到的关键问题 | 第18-21页 |
| 2.2.1 环境地图表示方式的选择 | 第19页 |
| 2.2.2 对信息不确定性的处理 | 第19页 |
| 2.2.3 数据的关联性 | 第19-20页 |
| 2.2.4 环境地图构建的精确程度 | 第20页 |
| 2.2.5 对冗余信息的处理 | 第20-21页 |
| 2.2.6 算法的复杂程度 | 第21页 |
| 2.3 基于多传感器信息融合的概述 | 第21-26页 |
| 2.3.1 多传感器信息融合技术的定义 | 第21-22页 |
| 2.3.2 多传感器信息融合技术的起源与发展状况 | 第22-23页 |
| 2.3.3 多传感器信息融合技术的原理 | 第23页 |
| 2.3.4 多传感器信息融合技术的层次 | 第23-25页 |
| 2.3.5 多传感器信息融合技术的特点 | 第25页 |
| 2.3.6 多传感器信息融合技术的方法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 概率栅格环境地图构建方法 | 第27-43页 |
| 3.1 环境地图构建 | 第27-32页 |
| 3.1.1 栅格地图基本知识 | 第27-28页 |
| 3.1.2 基于栅格方法的环境地图构建 | 第28-32页 |
| 3.2 障碍物检测 | 第32-35页 |
| 3.2.1 基于“占据、空白”思想的障碍物检测 | 第32-34页 |
| 3.2.2 基于改进的平均数方差图像的障碍物检测 | 第34-35页 |
| 3.3 基于贝叶斯方法的的概率更新 | 第35-38页 |
| 3.3.1 修正贝叶斯方法的基本知识 | 第35-37页 |
| 3.3.2 栅格地图的概率更新 | 第37-38页 |
| 3.4 基于D-S方法的多传感器信息融合 | 第38-42页 |
| 3.4.1 D-S证据理论的基本知识 | 第38-39页 |
| 3.4.2 多传感器信息融合 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 仿真环境地图构建 | 第43-53页 |
| 4.1 基于单一激光传感器的环境地图构建 | 第43-48页 |
| 4.1.1 环境地图构建 | 第43-47页 |
| 4.1.2 实验结果分析 | 第47-48页 |
| 4.2 基于多激光传感器的环境地图构建 | 第48-52页 |
| 4.2.1 环境地图构建 | 第48-51页 |
| 4.2.2 实验结果分析 | 第51-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第5章 真实环境地图构建 | 第53-59页 |
| 5.1 室内环境地图构建 | 第53-56页 |
| 5.2 室外环境地图构建 | 第56-57页 |
| 5.3 本章小结 | 第57-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 本文工作总结 | 第59-60页 |
| 6.2 未来工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
