基于3D激光点云的无人车城市环境SLAM问题研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 无人车国内外研究现状及发展趋势 | 第12-14页 |
| 1.3 SLAM国内外研究现状及发展趋势 | 第14-20页 |
| 1.3.1 位姿估计算法研究现状及发展趋势 | 第15-19页 |
| 1.3.3 地图表示方法研究现状及发展趋势 | 第19-20页 |
| 1.4 论文主要内容及章节安排 | 第20-22页 |
| 第2章 数据预处理 | 第22-30页 |
| 2.1 无人车实验平台 | 第22-23页 |
| 2.2 3D激光雷达传感器 | 第23-24页 |
| 2.3 数据预处理 | 第24-28页 |
| 2.3.1 数据帧选取 | 第25-26页 |
| 2.3.2 点云下采样 | 第26-27页 |
| 2.3.3 点云阈值分割 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于点云匹配的位姿估计算法 | 第30-42页 |
| 3.1 基于扩展高斯图像的快速点云匹配 | 第30-35页 |
| 3.1.1 扩展高斯图像（EGIs） | 第30-32页 |
| 3.1.2 旋转匹配 | 第32-34页 |
| 3.1.3 平移匹配 | 第34页 |
| 3.1.4 算法实现 | 第34-35页 |
| 3.2 基于ICP算法的位姿粗估计 | 第35-39页 |
| 3.2.1 ICP算法原理 | 第35-38页 |
| 3.2.2 位姿粗估计 | 第38-39页 |
| 3.3 基于高斯分布的粒子更新 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于粒子重要性权值的地图更新 | 第42-54页 |
| 4.1 结构特性属性分类 | 第42-49页 |
| 4.1.1 主成分分析（PCA） | 第42-44页 |
| 4.1.2 高斯混合模型（GMM） | 第44-48页 |
| 4.1.3 贝叶斯分类器 | 第48页 |
| 4.1.4 结构特性属性细分 | 第48-49页 |
| 4.2 粒子赋重要性权值 | 第49-51页 |
| 4.3 全局地图更新 | 第51-53页 |
| 4.3.1 地图更新 | 第51-52页 |
| 4.3.2 地图表示 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 实验验证与结果分析 | 第54-64页 |
| 5.1 算法描述与实现 | 第54-56页 |
| 5.2 非结构化城市环境实验与结果分析 | 第56-59页 |
| 5.3 简单结构化城市环境实验与结果分析 | 第59-61页 |
| 5.4 复杂结构化城市环境实验与结果分析 | 第61-63页 |
| 5.5 数据结果分析 | 第63页 |
| 5.6 本章小结 | 第63-64页 |
| 结论 | 第64-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间发表论文与研究成果清单 | 第71-72页 |
| 致谢 | 第72页 |
