声明
第 1 章 绪 论
1.1 课题背景及研究的目的和意义
1.2 国内外研究现状
1.2.1 无人车发展现状
1.2.2 激光雷达点云聚类研究综述
1.2.3 障碍物融合与跟踪研究综述
1.3 本文的研究内容和技术路线
第 2 章传感器动态联合标定
2.1 L3 级实验车简介
2.2 传感器介绍
2.2.1 16 线激光雷达
2.2.2 毫米波雷达
2.3 传感器安装及坐标系定义
2.3.1 车体坐标系定义
2.3.2 激光雷达安装及坐标系定义
2.3.3 毫米波雷达安装及坐标系定义
2.4 传感器联合标定
2.4.1 双激光雷达传感器联合标定
2.4.2 毫米波雷达标定
2.5 本章小结
第 3 章 激光雷达点云处理
3.1 基于平面拟合的地面点云分割
3.1.1 地面分割方法分类
3.1.2 改进地面平面拟合方法
3.1.3 基于三维点云集的平面拟合原理
3.1.4 地面拟合算法过程详述
3.1.5 实验结果
3.2 基于栅格地图的道路边界提取方法
3.2.1 道路边界提取方法概述
3.2.2 栅格占据地图的建立
3.2.3 边界候选点的提取
3.2.4 对道路边界点的快速拟合
3.2.5 实验结果
3.3 基于激光雷达点云的障碍物聚类
3.3.1 基于欧式距离的点云聚类方法
3.3.2 基于二维栅格地图的聚类方法
3.3.3 实验结果
3.4 本章小结
第 4 章激光雷达与毫米波雷达目标融合方法
4.1 数据关联算法概述
4.2 传感器数据预处理
4.2.1 数据同步
4.2.2 基于融合区域的目标物筛选
4.3 基于距离的全局最近邻数据关联算法
4.3.1 目标关联值计算
4.3.2 关联值矩阵建立
4.3.3 利用 KM 算法求取全局最优解
4.3.4 实验结果
4.3.5 匹配结果输出
4.4 本章小结
第 5 章多障碍物实时跟踪方法
5.1 滤波器理论概述
5.1.1 标准卡尔曼滤波器
5.1.2 扩展卡尔曼滤波器
5.2 多目标实时跟踪系统设计
5.2.1 障碍物预测模型建立
5.2.2 滤波器预测阶段参数设置
5.2.2 多目标跟踪前后帧关联方法
5.2.3滤波器更新阶段参数设置
5.3 实验结果
5.4 本章小结
结 论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致 谢
燕山大学;