| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·课题研究背景 | 第9页 |
| ·课题研究意义 | 第9-10页 |
| ·无人车导航研究现状及发展趋势 | 第10-15页 |
| ·国外研究现状 | 第10-13页 |
| ·国内研究现状 | 第13-14页 |
| ·发展趋势 | 第14-15页 |
| ·论文研究内容和结构 | 第15-18页 |
| ·论文研究内容 | 第15-16页 |
| ·论文组织结构 | 第16-18页 |
| 2 多传感器数据融合技术 | 第18-29页 |
| ·避障导航传感器 | 第18-20页 |
| ·避障导航传感器的数学模型 | 第18-19页 |
| ·避障导航传感器坐标转换 | 第19-20页 |
| ·多传感器数据融合原理 | 第20-23页 |
| ·多传感器数据融合基本概念 | 第20-21页 |
| ·多传感器数据融合系统结构 | 第21-23页 |
| ·多传感器数据融合的关键问题 | 第23页 |
| ·多传感器数据融合算法 | 第23-28页 |
| ·联合卡尔曼数据融合 | 第24-26页 |
| ·神经网络数据融合 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 3 无人车避障导航算法研究 | 第29-39页 |
| ·无人车定位研究 | 第29页 |
| ·全局避障导航算法 | 第29-33页 |
| ·Dijkstra算法 | 第30-32页 |
| ·A~*启发式搜索算法 | 第32-33页 |
| ·局部避障导航算法 | 第33-38页 |
| ·遗传算法 | 第34-35页 |
| ·虚拟力场法 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于多传感器数据融合的避障导航算法 | 第39-48页 |
| ·模糊神经网络理论分析 | 第39-40页 |
| ·基于模糊神经网络的无人车避障 | 第40-43页 |
| ·基于模糊Kohonen聚类网络的避障系统 | 第40-41页 |
| ·距离层加权向量W_j | 第41页 |
| ·原型模式个数c | 第41-42页 |
| ·传感器输入INPUT和控制输出R_I映射关系的确定 | 第42-43页 |
| ·A~*VFF无人车避障导航方法及仿真实验 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 5 仿真实验及分析 | 第48-58页 |
| ·仿真计算平台构建 | 第48-49页 |
| ·仿真环境设置 | 第49-51页 |
| ·无人车及主要传感器配置 | 第51-52页 |
| ·仿真实验及分析 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| ·工作总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的论文 | 第63-64页 |
| 致谢 | 第64-66页 |