| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 国内外三维定位研究现状 | 第14-17页 |
| 1.2.2 国内外地图匹配研究现状 | 第17-18页 |
| 1.3 本文的主要内容与章节安排 | 第18-20页 |
| 第2章 基于卡尔曼滤波的智能汽车三维定位估计 | 第20-53页 |
| 2.1 引言 | 第20页 |
| 2.2 独立定位理论介绍 | 第20-30页 |
| 2.2.1 航位推算定位理论 | 第20-22页 |
| 2.2.2 卫星导航定位理论 | 第22-25页 |
| 2.2.3 高度计测高理论 | 第25-28页 |
| 2.2.4 坐标系及坐标转换理论 | 第28-30页 |
| 2.3 面向卡尔曼滤波的系统状态运动模型介绍 | 第30-37页 |
| 2.3.1 非机动模型 | 第30-32页 |
| 2.3.2 机动模型 | 第32-37页 |
| 2.4 运动模型的比较及改进 | 第37-45页 |
| 2.4.1 参数选取对基于Singer模型的卡尔曼滤波性能影响 | 第38-40页 |
| 2.4.2 参数选取对基于CS模型的卡尔曼滤波性能影响 | 第40-41页 |
| 2.4.3 基于Singer和CS模型的卡尔曼滤波性能对比 | 第41-42页 |
| 2.4.4 参数设定自适应模型 | 第42-45页 |
| 2.5 智能汽车三维定位估计 | 第45-46页 |
| 2.5.1 数据来源的选择 | 第45页 |
| 2.5.2 运动模型的选择 | 第45页 |
| 2.5.3 滤波算法的选择 | 第45页 |
| 2.5.4 智能汽车三维定位系统估计流程 | 第45-46页 |
| 2.6 基于参数设定自适应模型的卡尔曼滤波算法 | 第46-51页 |
| 2.6.1 智能汽车三维定位系统的状态方程 | 第46-48页 |
| 2.6.2 智能汽车三维定位系统的量测方程 | 第48-49页 |
| 2.6.3 基于参数设定自适应模型的卡尔曼滤波 | 第49-51页 |
| 2.7 本章小结 | 第51-53页 |
| 第3章 智能汽车在路网数据库中的三维行驶路段定位 | 第53-66页 |
| 3.1 引言 | 第53页 |
| 3.2 地图匹配理论介绍 | 第53-54页 |
| 3.3 影响地图匹配质量因素的介绍 | 第54-55页 |
| 3.4 传统的地图匹配算法介绍 | 第55-58页 |
| 3.4.1 基于轨迹曲线拟合的地图匹配算法 | 第55-58页 |
| 3.4.2 基于DS证据推理的地图匹配算法 | 第58页 |
| 3.5 基于坐标增量的三维地图匹配算法 | 第58-64页 |
| 3.5.1 基于坐标增量的三维地图匹配流程 | 第58-59页 |
| 3.5.2 智能汽车行驶路段定位方案 | 第59页 |
| 3.5.3 基于DS证据推理的路段选择 | 第59-63页 |
| 3.5.4 三维投影点的确定 | 第63-64页 |
| 3.6 本章小结 | 第64-66页 |
| 第4章 实验验证 | 第66-80页 |
| 4.1 引言 | 第66页 |
| 4.2 基于参数设定自适应模型的卡尔曼滤波算法仿真验证 | 第66-76页 |
| 4.2.1 基于CS模型和参数设定自适应模型的滤波对比 | 第66-69页 |
| 4.2.2 不同工况下的仿真验证 | 第69-76页 |
| 4.3 基于坐标增量的地图匹配算法仿真验证 | 第76-79页 |
| 4.4 本章小结 | 第79-80页 |
| 第5章 全文总结与展望 | 第80-82页 |
| 5.1 全文总结 | 第80-81页 |
| 5.2 未来展望 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 附录 | 第87-90页 |
| 致谢 | 第90页 |
