城市道路汽车防碰撞系统障碍物识别算法及应用研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 课题研究的背景及意义 | 第11-13页 |
| 1.2 汽车主动避撞系统简介 | 第13-15页 |
| 1.2.1 汽车主动避撞系统的组成和形式 | 第14页 |
| 1.2.2 汽车主动避撞系统的功能作用 | 第14-15页 |
| 1.3 研究现状分析 | 第15-22页 |
| 1.3.1 主动避撞系统国外研究现状 | 第15-18页 |
| 1.3.2 主动避撞系统国内研究现状 | 第18-20页 |
| 1.3.3 主动避撞系统研究现状对比分析 | 第20页 |
| 1.3.4 障碍物检测研究现状 | 第20-22页 |
| 1.4 本文的主要研究内容 | 第22页 |
| 1.5 本章小结 | 第22-23页 |
| 第2章 汽车防碰撞系统障碍物识别算法总体设计 | 第23-35页 |
| 2.1 汽车防碰撞系统障碍物识别算法总体流程 | 第23-24页 |
| 2.2 汽车防碰撞系统障碍物识别算法关键技术 | 第24-25页 |
| 2.2.1 体现驾驶员特点的安全距离模型建模 | 第24页 |
| 2.2.2 障碍物识别 | 第24页 |
| 2.2.3 目标跟踪系统的建立 | 第24-25页 |
| 2.3 传感器选型 | 第25-29页 |
| 2.3.1 机器视觉 | 第25页 |
| 2.3.2 车载雷达传感器 | 第25-29页 |
| 2.4 控制器介绍 | 第29-33页 |
| 2.4.1 单片机的基本特点 | 第30页 |
| 2.4.2 MC9S12DG128功能电路介绍 | 第30-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第3章 汽车防碰撞系统障碍物识别跟踪算法研究 | 第35-65页 |
| 3.1 雷达数据预处理 | 第36-40页 |
| 3.1.1 距离转换 | 第36-37页 |
| 3.1.2 数据滤波 | 第37-39页 |
| 3.1.3 坐标变换 | 第39-40页 |
| 3.2 聚类分析算法 | 第40-45页 |
| 3.2.1 K-均值聚类算法 | 第41页 |
| 3.2.2 DBSCAN聚类算法 | 第41页 |
| 3.2.3 模糊聚类算法 | 第41-42页 |
| 3.2.4 最近邻聚类算法 | 第42-45页 |
| 3.3 目标跟踪算法 | 第45-58页 |
| 3.3.1 Kalman滤波算法 | 第45-48页 |
| 3.3.2 目标运动模型 | 第48-57页 |
| 3.3.3 基于当前统计模型的自适应卡尔曼滤波 | 第57-58页 |
| 3.4 车辆安全状态评估 | 第58-63页 |
| 3.4.1 基于制动过程运动学分析的安全距离模型 | 第58-60页 |
| 3.4.2 基于车间时距的安全距离模型 | 第60页 |
| 3.4.3 驾驶员预瞄安全距离模型 | 第60-62页 |
| 3.4.4 基于驾驶员特性的安全距离模型 | 第62-63页 |
| 3.4.5 安全距离模型方案选择 | 第63页 |
| 3.5 本章小结 | 第63-65页 |
| 第4章 汽车防碰撞系统障碍物识别算法试验验证 | 第65-81页 |
| 4.1 目标跟踪算法仿真试验 | 第65-73页 |
| 4.2 实车试验验证 | 第73-80页 |
| 4.2.1 试验平台搭建 | 第73-75页 |
| 4.2.2 目标跟踪算法实车试验 | 第75-78页 |
| 4.2.3 安全状态评估实车试验 | 第78-80页 |
| 4.3 本章小结 | 第80-81页 |
| 第5章 全文总结与展望 | 第81-83页 |
| 5.1 全文总结 | 第81-82页 |
| 5.2 工作展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 作者简介及科研成果 | 第87-89页 |
| 致谢 | 第89页 |
