| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究工作的背景与意义 | 第14-15页 |
| 1.2 智能车国内外研究历史与现状 | 第15-17页 |
| 1.3 本文的研究动机 | 第17-18页 |
| 1.4 本论文的结构安排 | 第18-19页 |
| 第二章 基于双目视觉的智能车绝对定位 | 第19-37页 |
| 2.1 视觉系统中几种常见坐标系 | 第19-20页 |
| 2.2 摄像机标定 | 第20-23页 |
| 2.3 基于双目视觉的智能车绝对定位算法 | 第23-28页 |
| 2.3.1 SIFT匹配 | 第23-24页 |
| 2.3.2 Brusa-Wolf模型 | 第24-25页 |
| 2.3.3 算法流程 | 第25-28页 |
| 2.4 实验验证与分析 | 第28-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 基于Kalman的智能车定位精度矫正 | 第37-44页 |
| 3.1 Kalman滤波基本原理 | 第37-38页 |
| 3.2 状态方程的建立 | 第38-39页 |
| 3.3 观测方程的建立 | 第39-42页 |
| 3.4 数据融合仿真实验 | 第42-43页 |
| 3.4.1 实验场景介绍 | 第42页 |
| 3.4.2 实验结果分析 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 自适应HSI彩色模型的非结构化道路检测算法 | 第44-58页 |
| 4.1 道路检测方法分类 | 第44-45页 |
| 4.2 常见彩色模型 | 第45-47页 |
| 4.3 OTSU阈值法 | 第47-49页 |
| 4.4 自适应HSI彩色模型的非结构化道路检测 | 第49-57页 |
| 4.4.1 算法流程 | 第49-51页 |
| 4.4.2 道路检测实验分析 | 第51-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 动态场景下改进的人工势场避障路径规划算法 | 第58-74页 |
| 5.1 经典人工势场法 | 第58-61页 |
| 5.1.1 斥力模型 | 第58-59页 |
| 5.1.2 引力模型 | 第59页 |
| 5.1.3 经典人工势场法存在的问题 | 第59-61页 |
| 5.2 动态场景下改进的人工势场避障路径规划法 | 第61-68页 |
| 5.2.1 感知模型的改进 | 第61-62页 |
| 5.2.2 道路约束 | 第62-63页 |
| 5.2.3 动态场景下改进的人工势场函数 | 第63-67页 |
| 5.2.3.1 车辆模型 | 第64-65页 |
| 5.2.3.2 目的地势场函数 | 第65-66页 |
| 5.2.3.3 障碍物势场函数 | 第66页 |
| 5.2.3.4 道路边界势场函数 | 第66-67页 |
| 5.2.3.5 总势场函数 | 第67页 |
| 5.2.4 局部极小值问题 | 第67-68页 |
| 5.3 仿真分析 | 第68-73页 |
| 5.3.1 全局势能分析 | 第69-70页 |
| 5.3.2 局部极小值问题的解决 | 第70-71页 |
| 5.3.3 道路约束的验证 | 第71-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 全文总结 | 第74-75页 |
| 6.2 课题展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士学位期间取得的成果 | 第83-84页 |