| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-15页 |
| 1.1.1 无人驾驶技术的发展历史与发展趋势 | 第11-14页 |
| 1.1.2 高精度地图对自主车的重要意义 | 第14-15页 |
| 1.2 面向自主车的地图及应用研究现状 | 第15-17页 |
| 1.2.1 汽车制造商为避免受制于人,针对地图公司加快投资合作步伐 | 第16页 |
| 1.2.2 信息技术企业持续完善导航定位技术,加强服务应用层面拓展 | 第16页 |
| 1.2.3 人工智能技术应用逐渐成熟,推动地图数据采集生产方式变革 | 第16-17页 |
| 1.3 本文的主要研究内容 | 第17-19页 |
| 第二章 基于多传感器融合地图构建方法研究 | 第19-32页 |
| 2.1 常用的点云匹配算法优缺点探讨 | 第19-22页 |
| 2.1.1 ICP点云匹配算法 | 第19-20页 |
| 2.1.2 NDT点云匹配算法 | 第20-22页 |
| 2.2 基于闭环优化的改进LOAM算法 | 第22-28页 |
| 2.2.1 LOAM算法 | 第22-24页 |
| 2.2.2 多传感器融合的闭环优化方法 | 第24-28页 |
| 2.3 实验平台 | 第28-29页 |
| 2.4 实验结果与分析 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 全源融合的导航定位方法研究 | 第32-55页 |
| 3.1 基于雷达的导航定位方法研究 | 第32-45页 |
| 3.1.1 一种高效的点云表示与存储方法 | 第32-36页 |
| 3.1.2 一种简单的雷达补偿方法 | 第36-38页 |
| 3.1.3 基于雷达的定位方法相关实验探讨研究 | 第38-45页 |
| 3.2 基于单目相机的导航定位方法研究 | 第45-51页 |
| 3.2.1 程序的整体框架与算法分析 | 第46-49页 |
| 3.2.2 实验结果与分析 | 第49-51页 |
| 3.3 全源融合导航定位 | 第51-54页 |
| 3.3.1 导航定位问题的优化模型建立 | 第51-52页 |
| 3.3.2 全源融合实验结果分析 | 第52-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第四章 高精度地图的标注工作在无人驾驶中的应用 | 第55-70页 |
| 4.1 城市道路环境的分层描述方法以及所用开源工具的介绍 | 第55-63页 |
| 4.1.1 城市道路环境的分层描述方法 | 第55-57页 |
| 4.1.2 应用开源软件简介 | 第57-59页 |
| 4.1.3 系统流程简介 | 第59-63页 |
| 4.2 道路检索策略 | 第63-66页 |
| 4.2.1 原始道路检索策略简介 | 第63-64页 |
| 4.2.2 针对U形道路的改进搜索策略 | 第64-65页 |
| 4.2.3 与商业地图融合的道路检索程序框架 | 第65-66页 |
| 4.3 单一路径下高精度地图检测仿真系统的构建 | 第66-68页 |
| 4.4 本章小结 | 第68-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70页 |
| 5.2 展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 作者在学期间取得的学术成果 | 第77页 |
