声明
第1章绪 论
1.1 研究背景及意义
1.2 国内外自动驾驶汽车研究现状
1.2.1 自动驾驶汽车发展现状
1.2.2 自动驾驶感知系统研究现状
1.3 本文主要研究内容
第2章激光雷达点云障碍物检测算法
2.1 激光雷达发展现状
2.1.1 激光雷达工作原理
2.1.2 激光雷达分类
2.1.3 三维数据的表现形式
2.1.4 激光雷达发展趋势
2.2 多平面背景点分割
2.2.1 区域生长分割算法
2.2.2 RANSAC 平面分割算法
2.2.3 多平面拟合算法
2.3 障碍物前景点聚类
2.3.1 DBSCAN 算法
2.3.2 多级欧式聚类算法
2.4 三维包围边界框构建
2.5 本章小结
第3章激光雷达和图像融合的车辆检测算法
3.1 卷积神经网络
3.2 9 基于 Darknet的图像车辆检测
3.2.1 YOLO 图像检测算法
3.2.2 YOLO_V3 网络模型
3.2.3 车辆检测算法步骤
3.3 激光雷达和相机检测后融合
3.3.1 KITTI 数据集简介
3.3.2 相机传感器内参计算
3.3.3 激光雷达和相机外参计算
3.3.4 激光雷达投影相机图像平面
3.3.5 激光雷达与图像同步融合检测
3.4 本章小结
第4章基于激光雷达和图像的碰撞预警算法
4.1 基于激光雷达的碰撞预警
4.2 基于图像的碰撞预警
4.2.1 关键特征点提取算法
4.2.2 检测关键点算法
4.2.3 关键点描述和匹配算法
4.2.4 图像碰撞预警时间计算
4.3 实现结果
4.4 本章小结
第5章实验系统平台及实车实验
5.1 实验系统平台
5.2 实车实验
5.2.1 地平面背景点拟合实验
5.2.2 障碍物前景点聚类实验
5.2.3 融合检测及 TTC 时间实验
5.3 本章小结
总结和展望
1. 研究内容总结
2. 研究展望
参考文献
致谢
湖南大学;