基于四线激光雷达的道路信息提取技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 智能车国内外研究现状 | 第11-16页 |
| 1.2.1 国外智能车的研究 | 第11-14页 |
| 1.2.2 国内智能车的研究 | 第14-16页 |
| 1.3 智能车环境感知技术 | 第16-20页 |
| 1.3.1 智能车的环境感知技术 | 第16-18页 |
| 1.3.2 激光雷达在环境感知中研究分析 | 第18-20页 |
| 1.4 本文的研究内容及贡献 | 第20-24页 |
| 1.4.1 本文的研究内容 | 第20-21页 |
| 1.4.2 本文的主要贡献 | 第21-24页 |
| 第2章 激光雷达原理与坐标转换 | 第24-34页 |
| 2.1 引言 | 第24-25页 |
| 2.2 激光雷达工作原理 | 第25-26页 |
| 2.3 四线激光雷达性能及优势分析 | 第26-29页 |
| 2.4 数据预处理与坐标系统 | 第29-33页 |
| 2.4.1 数据预处理 | 第29-31页 |
| 2.4.2 坐标系的建立与坐标转换 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 道路可行驶区域提取算法 | 第34-54页 |
| 3.1 引言 | 第34页 |
| 3.2 聚类算法分析及改进 | 第34-42页 |
| 3.2.1 聚类算法分析 | 第35-38页 |
| 3.2.2 激光雷达数据特点分析 | 第38-39页 |
| 3.2.3 核密度估计及相似度度量方法 | 第39-41页 |
| 3.2.4 改进的DBSCAN聚类算法 | 第41-42页 |
| 3.3 道路信息提取算法 | 第42-46页 |
| 3.3.1 道路边沿点提取算法 | 第42-44页 |
| 3.3.2 道路边沿高度的提取 | 第44-45页 |
| 3.3.3 拟合道路边界 | 第45-46页 |
| 3.4 道路可通行区域信息提取 | 第46-48页 |
| 3.4.1 道路路面检测 | 第46-47页 |
| 3.4.2 障碍物与可行驶区域信息提取 | 第47-48页 |
| 3.5 实验与结果分析 | 第48-52页 |
| 3.5.1 道路边沿、路面检测和提取实验 | 第48-50页 |
| 3.5.2 道路可行驶区域信息检测与提取 | 第50-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第4章 栅格地图的建立和动态目标的跟踪 | 第54-74页 |
| 4.1 引言 | 第54-55页 |
| 4.2 栅格地图的建立 | 第55-58页 |
| 4.2.1 传感器模型 | 第55-56页 |
| 4.2.2 建立栅格地图 | 第56-58页 |
| 4.3 改进的ICP算法 | 第58-64页 |
| 4.3.1 ICP算法及其改进方法分析 | 第58-60页 |
| 4.3.2 多特征的相似度计算 | 第60-61页 |
| 4.3.3 计算旋转矩阵和平移向量 | 第61-63页 |
| 4.3.4 自适应调整特征的权重系数 | 第63-64页 |
| 4.4 栅格地图更新与动静态障碍物检测 | 第64-67页 |
| 4.4.1 栅格地图的更新 | 第64-66页 |
| 4.4.2 动静态障碍物的检测 | 第66-67页 |
| 4.5 动态目标跟踪和管理 | 第67-70页 |
| 4.5.1 基于卡尔曼滤波的动态目标跟踪 | 第67-69页 |
| 4.5.2 跟踪器管理 | 第69-70页 |
| 4.6 实验与结果分析 | 第70-72页 |
| 4.6.1 构建在线栅格地图 | 第70-71页 |
| 4.6.2 改进的ICP算法性能分析 | 第71-72页 |
| 4.7 本章小结 | 第72-74页 |
| 第5章 实验平台与整车实验 | 第74-84页 |
| 5.1 引言 | 第74页 |
| 5.2 实验平台介绍 | 第74-79页 |
| 5.2.1 硬件平台 | 第74-78页 |
| 5.2.2 软件系统 | 第78-79页 |
| 5.3 实验与结果分析 | 第79-83页 |
| 5.3.1 道路信息提取实验 | 第79-80页 |
| 5.3.2 动态目标跟踪实验 | 第80-82页 |
| 5.3.3 实验结果分析 | 第82-83页 |
| 5.4 本章小结 | 第83-84页 |
| 总结与展望 | 第84-86页 |
| 参考文献 | 第86-90页 |
| 攻读硕士学位期间发表的学术论文 | 第90-92页 |
| 致谢 | 第92页 |
