| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-20页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外智能汽车研究现状 | 第10-15页 |
| 1.2.1 国外智能汽车研究现状 | 第10-14页 |
| 1.2.2 我国智能汽车研究现状 | 第14-15页 |
| 1.3 障碍物检测研究现状 | 第15-17页 |
| 1.4 内容安排和技术路线 | 第17-20页 |
| 第2章 车载激光雷达数据解析与预处理 | 第20-28页 |
| 2.1 激光雷达参数 | 第20-21页 |
| 2.2 激光雷达数据解析与表示 | 第21-27页 |
| 2.2.1 UTM-30LX-EW激光雷达数据解析与表示 | 第21-23页 |
| 2.2.2 VLP-16激光雷达数据解析与表示 | 第23-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 激光雷达道路检测方法研究 | 第28-47页 |
| 3.1 基于曲线分割的道路可行驶区域检测 | 第28-35页 |
| 3.1.1 检测算法 | 第29-34页 |
| 3.1.2 实测数据分析 | 第34-35页 |
| 3.2 基于主动轮廓模型的道路边界提取 | 第35-46页 |
| 3.2.1 栅格图的建立 | 第35-37页 |
| 3.2.2 边界提取算法 | 第37-43页 |
| 3.2.3 实测数据分析 | 第43-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第4章 三维激光雷达点云地面分割方法研究 | 第47-62页 |
| 4.1 三维激光雷达点云分割方法分析 | 第47-49页 |
| 4.2 三维激光雷达点云地面分割 | 第49-57页 |
| 4.2.1 基于RANSAC的地面分割 | 第49-53页 |
| 4.2.2 基于二维GPR-INSAC的地面分割 | 第53-57页 |
| 4.3 实测数据分析 | 第57-61页 |
| 4.3.1 平方指数核函数和神经网络核函数地面拟合对比 | 第57-58页 |
| 4.3.2 RANSAC算法和GPR-INSAC算法分割对比 | 第58-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 动态障碍物检测方法研究 | 第62-74页 |
| 5.1 动态障碍物检测方法分析 | 第62-63页 |
| 5.2 基于栅格图的动态障碍物检测 | 第63-71页 |
| 5.2.1 全局静态障碍物栅格图构建 | 第63-66页 |
| 5.2.2 动态障碍物栅格获取 | 第66-68页 |
| 5.2.3 基于贝叶斯理论和目标跟踪的动态障碍物检测 | 第68-71页 |
| 5.3 试验分析 | 第71-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第6章 结论 | 第74-76页 |
| 6.1 研究总结 | 第74-75页 |
| 6.2 研究展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间获得与学位论文相关的成果 | 第81页 |
