基于激光雷达的无人驾驶汽车自主寻迹研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外无人驾驶汽车发展现状 | 第10-15页 |
| 1.2.1 国外无人驾驶汽车发展现状 | 第10-12页 |
| 1.2.2 国内无人驾驶汽车发展现状 | 第12-15页 |
| 1.3 无人驾驶汽车自主寻迹相关技术 | 第15-19页 |
| 1.3.1 差分GPS定位导航 | 第15-16页 |
| 1.3.2 三维高精度地图 | 第16-17页 |
| 1.3.3 车道保持 | 第17-18页 |
| 1.3.4 惯性导航 | 第18-19页 |
| 1.3.5 跟踪控制 | 第19页 |
| 1.4 课题来源及内容安排 | 第19-21页 |
| 第二章 激光雷达与数据解析 | 第21-31页 |
| 2.1 激光雷达介绍 | 第21-22页 |
| 2.2 激光雷达参数分析 | 第22-26页 |
| 2.2.1 径向距离分辨率 | 第23-25页 |
| 2.2.2 圆周距离分辨率 | 第25页 |
| 2.2.3 雷达盲区与数据选取 | 第25-26页 |
| 2.3 激光雷达的数据解析 | 第26-30页 |
| 2.3.1 UDP数据包结构 | 第26-27页 |
| 2.3.2 数据解析及保存 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于激光雷达的道路边界识别 | 第31-49页 |
| 3.1 道路边界识别思路 | 第31-32页 |
| 3.2 基于多特征滤波的路面点滤除 | 第32-41页 |
| 3.2.1 数据预处理 | 第32-35页 |
| 3.2.2 路面点和路沿点的数据特征 | 第35-40页 |
| 3.2.3 基于多特征的路面点滤除 | 第40-41页 |
| 3.3 基于图像处理的道路边界识别 | 第41-48页 |
| 3.3.1 点云数据的二维图像转换 | 第42-43页 |
| 3.3.2 道路边界的连续性处理 | 第43-45页 |
| 3.3.3 基于逐行扫描算法的道路边界识别 | 第45-46页 |
| 3.3.4 基于道路固有属性的干扰排除 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 无人驾驶汽车的路径跟踪控制 | 第49-64页 |
| 4.1 基于道路边界的目标路径生成 | 第49-51页 |
| 4.2 上位机决策计算 | 第51-54页 |
| 4.2.1 基于预瞄模型的目标前轮转角计算 | 第51-53页 |
| 4.2.2 基于道路弯曲程度的目标车速计算 | 第53-54页 |
| 4.3 下位机执行控制 | 第54-63页 |
| 4.3.1 执行器改造方案 | 第55-57页 |
| 4.3.2 转向助力电机控制 | 第57-60页 |
| 4.3.3 速度控制 | 第60-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 实验验证与结果分析 | 第64-73页 |
| 5.1 无人驾驶汽车平台 | 第64-67页 |
| 5.1.1 硬件组成 | 第64-66页 |
| 5.1.2 无人驾驶系统框架 | 第66-67页 |
| 5.2 实验及结果分析 | 第67-72页 |
| 5.2.1 道路边界识别实验 | 第67-71页 |
| 5.2.2 车辆自主寻迹实验 | 第71-72页 |
| 5.3 本章小结 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读学位期间取得的科研成果 | 第79-80页 |
| 致谢 | 第80页 |
