声明
摘要
第一章绪论
1．1课题的研究背景与意义
1．2无人驾驶中的环境感知技术
1．2．2基于激光雷达的目标检测技术
1．2．3基于激光雷达与视觉信息融合的目标检测技术
1．3车辆换道决策判断技术
1．4本文研究的主要内容
1．4．1本文研究内容
1．4．2各章节主要内容及创新点
第二章基于改进聚类算法的车辆障碍物检测研究
2．1引言
2．2相关算法介绍
2．2．2 k-means++聚类算法
2．2．3 DBSCAN聚类
2．2．4 DPC聚类
2．3基于相互近邻的自适应合并密度峰值聚类算法(MNN-ADPC)
2．3．1局部密度与最近邻距离计算方法
2．3．2类簇中心选择与待分配点划分策略
2．3．3自适应类簇融合策略
2．3．4 MNN-ADPC算法主要流程
2．3．5 MNN-ADPC算法时间复杂度分析
2．4．1激光雷达介绍
2．4．2基于激光雷达的三维癔知系统构走
2．4．3障碍栅格地图构建
2．4．4车辆障碍物检测
2．5实验分析
2．5．1数据集介绍
2．5．2算法性能对比
2．5．3实验验证与结果分析
2．6本章小结
第三章基于深度神经网络的车辆障碍物检测研究
3．1引言
3．2基于深度神经网络的车辆目标检测算法
3．2．1相关算法介绍
3．2．2 PointRCNN目标检测网络
3．3基于深度神经网络的改进3D车辆目标检测网络
3．3．1自适应特征权重学习
3．3．2角度损失函数优化
3．4算法验证与实验分析
3．4．1数据集介绍
3．4．2算法实验验证
3．5本章小结
第四章基于梯度提升决策树的车辆换道决策研究
4．1引言
4．2车辆换道决策研究方法
4．2．1交通状态数据获取
4．2．2 NGSIM数据集介绍
4．2．3数据预处理及数据筛选方法
4．2．4换道决策变量的构建与选择
4．3基于梯度提升决策树的车辆换道决策
4．4实验分析
4．4．1模型参数优化
4．4．2实验结果与分析
4．5本章小结
第五章总结与展望
5．1本文研究内容总结
5．2工作的不足与展望
参考文献
致谢
作者简历
攻读硕士学位期间的科研成果
浙江大学;
