基于激光雷达的智能车横向避障研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 本文研究背景和意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-19页 |
| 1.2.1 智能车的国内外研究现状 | 第11-16页 |
| 1.2.2 主动避障的国内外研究现状 | 第16-19页 |
| 1.3 本文技术路线和研究内容 | 第19-21页 |
| 1.3.1 技术路线 | 第19页 |
| 1.3.2 研究内容 | 第19-21页 |
| 1.4 本章小结 | 第21-22页 |
| 第2章 目标运动状态估计 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 雷达数据预处理 | 第22-26页 |
| 2.2.1 原始数据滤波 | 第22-25页 |
| 2.2.2 激光雷达上位机设计 | 第25-26页 |
| 2.3 障碍物聚类识别算法 | 第26-28页 |
| 2.4 滤波估计算法 | 第28-29页 |
| 2.5 目标运动状态模型 | 第29-33页 |
| 2.5.1 匀速与匀加速运动模型 | 第30页 |
| 2.5.2 Singer与当前统计运动模型 | 第30-32页 |
| 2.5.3 改进的当前统计运动模型 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 目标匹配与跟踪 | 第34-41页 |
| 3.1 引言 | 第34页 |
| 3.2 跟踪门的形成 | 第34-35页 |
| 3.3 数据关联算法 | 第35-37页 |
| 3.3.1 最近邻算法 | 第35页 |
| 3.3.2 概率数据关联算法 | 第35-36页 |
| 3.3.3 多元假设跟踪算法 | 第36-37页 |
| 3.4 目标运动位置预测 | 第37-38页 |
| 3.5 目标跟踪实现方案 | 第38-40页 |
| 3.5.1 跟踪门的选择 | 第38页 |
| 3.5.2 数据关联算法选择 | 第38-39页 |
| 3.5.3 目标位置预测算法选择 | 第39页 |
| 3.5.4 目标跟踪算法流程 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 车辆横向避障策略及运动控制 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 智能车避障路径规划 | 第41-43页 |
| 4.3 智能车避障路径跟踪 | 第43-48页 |
| 4.4 智能车转向控制 | 第48-52页 |
| 4.4.1 转向系统改装设计 | 第48-50页 |
| 4.4.2 转角闭环控制算法 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 仿真与试验验证 | 第53-69页 |
| 5.1 引言 | 第53页 |
| 5.2 建模与仿真 | 第53-64页 |
| 5.2.1 目标运动状态估计的仿真验证 | 第53-58页 |
| 5.2.2 路径跟踪的仿真验证 | 第58-60页 |
| 5.2.3 转角闭环控制的仿真验证 | 第60-64页 |
| 5.3 实车试验验证 | 第64-68页 |
| 5.3.1 实车试验平台的搭建 | 第64-66页 |
| 5.3.2 基于激光雷达的目标跟踪试验验证 | 第66-67页 |
| 5.3.3 转角闭环控制试验验证 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 附录A 攻读学位期间发表的学术论文目录 | 第76页 |
