| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-25页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 无人船研究发展的背景与现状 | 第12-16页 |
| 1.2.1 国内无人船研究现状 | 第12-14页 |
| 1.2.2 国外无人船研究现状 | 第14-16页 |
| 1.3 三维激光雷达现状 | 第16-18页 |
| 1.4 基于激光雷达的目标检测 | 第18-21页 |
| 1.5 基于三维激光雷达的无人船平台的环境感知 | 第21-23页 |
| 1.6 文章结构 | 第23-25页 |
| 第2章 三维激光雷达 | 第25-39页 |
| 2.1 VelodyneVLP-16激光雷达 | 第28-29页 |
| 2.2 三维激光雷达水平、垂直分辨率分析 | 第29-32页 |
| 2.3 三维激光雷达点云数据预处理 | 第32-38页 |
| 2.3.1 内参模型 | 第32-34页 |
| 2.3.2 外参模型 | 第34-37页 |
| 2.3.3 横纵摇补偿 | 第37-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第3章 三维激光雷达的目标检测 | 第39-52页 |
| 3.1 栅格地图 | 第39-46页 |
| 3.1.1 栅格地图的建立 | 第40-41页 |
| 3.1.2 三维点云数据投影 | 第41-43页 |
| 3.1.3 栅格属性判定 | 第43-44页 |
| 3.1.4 栅格滤波 | 第44-45页 |
| 3.1.5 基于栅格地图已有数据的目标检测 | 第45-46页 |
| 3.2 基于点云梯度的目标障碍物检测 | 第46-47页 |
| 3.2.1 基于扫描线梯度方法的分割 | 第46-47页 |
| 3.2.2 滤除激光束扫描梯度的误检 | 第47页 |
| 3.3 目标障碍物聚类 | 第47-49页 |
| 3.4 提取目标轮廓与特征 | 第49-50页 |
| 3.4.1 提取目标轮廓 | 第49-50页 |
| 3.4.2 目标轮廓描述 | 第50页 |
| 3.5 本章小结 | 第50-52页 |
| 第4章 基于三维激光雷达的目标识别及分类 | 第52-66页 |
| 4.1 目标分类系统架构 | 第52-53页 |
| 4.2 目标特征描述 | 第53-57页 |
| 4.2.1 三维协方差矩阵的特征值、特征向量与归一化后的特征值 | 第53-54页 |
| 4.2.2 回波强度反射率特征与统计值 | 第54-55页 |
| 4.2.3 高度特征与姿态性质 | 第55-57页 |
| 4.3 小型目标特征 | 第57-59页 |
| 4.4 SVM分类器 | 第59-63页 |
| 4.4.1 特征归一化 | 第60-61页 |
| 4.4.2 核函数选择 | 第61页 |
| 4.4.3 最优参数选择 | 第61-63页 |
| 4.5 SVM训练过程 | 第63-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第5章 实验与仿真 | 第66-74页 |
| 5.1 实验准备 | 第66-67页 |
| 5.2 停泊状态下的目标检测 | 第67-68页 |
| 5.3 低速匀速行进状态下的目标检测 | 第68-72页 |
| 5.4 本章小结 | 第72-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士期间发表论文和取得科研成果 | 第80-81页 |
| 致谢 | 第81页 |