声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究综述
1.2.1 基于视觉的障碍物检测研究现状
1.2.2 基于毫米波雷达的障碍物检测研究现状
1.2.3 基于多传感器信息融合的障碍物检测研究现状
1.3 论文主要工作及结构安排
2 障碍物检测识别方案设计
2.1 基于信息融合的障碍物检测识别方案设计
2.2 基于毫米波雷达的有效目标确定
2.3 基于视觉的障碍物检测识别方法
2.3.1 算法评价标准
2.3.2 基于深度学习的目标检测识别算法比较
2.3.3 基于SSD算法的障碍物检测识别
2.4 本章小结
3 基于毫米波雷达的前方目标识别算法
3.1 毫米波雷达实验平台系统组成
3.2 有效目标初选方法
3.3 有效目标一致性检验
3.4 有效目标决策
3.5 基于改进Sage-Husa的线性自适应平方根卡尔曼滤波算法
3.5.1 卡尔曼滤波算法
3.5.2 Sage-Husa自适应滤波算法
3.5.3 线性自适应平方根卡尔曼滤波算法
3.6 实验仿真验证
3.7 本章小结
4 基于SSD算法的障碍物检测识别实验与结果分析
4.1 SSD算法在Caffe框架上的实现
4.1.1 Caffe实验平台的搭建
4.1.2 标准数据集制作
4.1.3 训练参数优化
4.2 SSD算法基网络的研究比较及实验
4.2.1 SSD+VGG16实验结果及分析
4.2.2 SSD+ZF实验结果及分析
4.2.3 基网络的选取
4.3 基于改进SSD的障碍物检测识别算法实现
4.3.1 网络模型的改进
4.3.2 实验结果与改进效果分析
4.3.3 不同算法的实验对比
4.4 本章小结
5 基于毫米波雷达和视觉的数据融合算法实现
5.1 多传感器数据空间融合
5.1.1 雷达坐标系与世界坐标系的转换
5.1.2 世界坐标系与摄像机坐标系的转换
5.1.3 摄像机坐标系与图像像素坐标系的转换
5.2 摄像机标定
5.3 多传感器时间融合
5.4 动态感兴趣区域的建立
5.5 仿真与实验验证
5.6 基于信息融合的障碍物检测识别实验及结果分析
5.7 本章小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
附录
南京理工大学;