基于激光雷达的智能车定位技术研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-23页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 国内外智能车的发展概况 | 第11-16页 |
| 1.2.1 国外概况 | 第11-14页 |
| 1.2.2 国内概况 | 第14-16页 |
| 1.3 基于激光雷达的智能车定位方法 | 第16-22页 |
| 1.4 本文主要研究内容 | 第22-23页 |
| 第二章 基于路标对的智能车定位 | 第23-45页 |
| 2.1 引言 | 第23-24页 |
| 2.2 路标对检测 | 第24-30页 |
| 2.3 基于路标对的定位 | 第30-33页 |
| 2.4 基于扩展卡尔曼滤波的智能车位姿跟踪 | 第33-37页 |
| 2.5 实验结果与分析 | 第37-44页 |
| 2.5.1 仿真数据实验 | 第37-43页 |
| 2.5.2 实际数据实验 | 第43-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第三章 基于自然柱状特征地图的智能车定位 | 第45-67页 |
| 3.1 引言 | 第45页 |
| 3.2 自然柱状特征地图的定义和建立 | 第45-54页 |
| 3.2.1 自然环境中路标的特征提取 | 第46-47页 |
| 3.2.2 局部地图的建立 | 第47-48页 |
| 3.2.3 基于卡尔曼滤波的全局地图更新 | 第48-52页 |
| 3.2.4 误差模型和误差的传递过程 | 第52-54页 |
| 3.3 基于自然柱状特征地图的定位 | 第54-60页 |
| 3.3.1 基于迭代最近点算法的定位 | 第54-57页 |
| 3.3.2 迭代最近点算法的置信度分析 | 第57-58页 |
| 3.3.3 基于扩展卡尔曼滤波的位姿跟踪 | 第58-60页 |
| 3.4 实验结果与分析 | 第60-66页 |
| 3.4.1 地图自动生成实验的结果与分析 | 第60-64页 |
| 3.4.2 基于自然柱状特征地图的定位结果与分析 | 第64-66页 |
| 3.5 本章小结 | 第66-67页 |
| 第四章 基于传感器记忆的智能车定位 | 第67-76页 |
| 4.1 引言 | 第67页 |
| 4.2 记忆地图的描述和建立 | 第67-69页 |
| 4.3 基于记忆地图的定位 | 第69-71页 |
| 4.3.1 地图匹配参考集的确定 | 第69-71页 |
| 4.3.2 车辆位姿的估计 | 第71页 |
| 4.4 实验结果与分析 | 第71-75页 |
| 4.4.1 仿真数据实验 | 第71-73页 |
| 4.4.2 实际数据实验 | 第73-75页 |
| 4.5 本章小结 | 第75-76页 |
| 第五章 结论与展望 | 第76-79页 |
| 5.1 结论 | 第76-77页 |
| 5.2 展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85-86页 |
| 攻读硕士学位期间发表的论文及参加的科研项目 | 第86-89页 |
