| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 无人车技术发展概况 | 第9-13页 |
| 1.2 无人车地形估计技术现状 | 第13-16页 |
| 1.3 本文的内容安排 | 第16-17页 |
| 第2章 无人车实验平台及组合感知系统 | 第17-23页 |
| 2.1 无人车实验平台硬件结构 | 第17-19页 |
| 2.2 无人车实验平台软件结构 | 第19-20页 |
| 2.3 组合感知系统 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于点云分层和变尺度核函数模板的地形估计方法 | 第23-50页 |
| 3.1 基于径向基核函数的地形估计理论 | 第24-31页 |
| 3.1.1 径向基核函数曲面重构理论 | 第25-27页 |
| 3.1.2 基于SPACE-CARVING的核函数地形估计方法 | 第27-31页 |
| 3.2 基于变尺度径向基核函数模板的地形估计方法 | 第31-36页 |
| 3.2.1 栅格地图 | 第32页 |
| 3.2.2 变尺度径向基核函数 | 第32-34页 |
| 3.2.3 变尺度核函数模板 | 第34-35页 |
| 3.2.4 地图栅格化下的约束条件 | 第35-36页 |
| 3.2.5 主要作用 | 第36页 |
| 3.3 点云预处理和滤波方法 | 第36-40页 |
| 3.3.1 VOXELGRID点云降采样滤波 | 第37-38页 |
| 3.3.2 点云分层滤波 | 第38-40页 |
| 3.4 点云数据配准与运动路径点云补偿 | 第40-45页 |
| 3.4.1 点云数据配准 | 第41-42页 |
| 3.4.2 运动路径点云补偿 | 第42-45页 |
| 3.5 地形估计实验结果与分析 | 第45-48页 |
| 3.5.1 地形估计实验结果 | 第45-47页 |
| 3.5.2 地形估计结果的不确定性 | 第47-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第4章 激光点云与视觉融合的地形属性认知方法 | 第50-60页 |
| 4.1 获取 3D点云地面点属性、粗糙属性与法向量 | 第50-51页 |
| 4.2 3D激光点云与视觉传感器数据融合 | 第51-53页 |
| 4.3 基于模糊分类的典型地形特征估计方法 | 第53-54页 |
| 4.4 基于V-REP搭建的交互式仿真环境与实验 | 第54-59页 |
| 4.4.1 IN~2BOT无人车底盘及传感器建模 | 第54-56页 |
| 4.4.2 交互式仿真环境搭建 | 第56页 |
| 4.4.3 典型地形分类方法的仿真实验 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-61页 |
| 5.1 本文的工作总结 | 第60页 |
| 5.2 未来工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间发表论文与研究成果清单 | 第65-66页 |
| 致谢 | 第66页 |
