智能網(wǎng)聯(lián)汽車(chē)協(xié)同感知理論與技術(shù)

目錄第1章 緒論 11.1 智能網(wǎng)聯(lián)汽車(chē) 11.2 技術(shù)分級(jí) 31.3 智能網(wǎng)聯(lián)汽車(chē)測(cè)試示范區(qū) 41.4 測(cè)試工具 51.5 本章小結(jié) 6參考文獻(xiàn) 6第2章 復(fù)雜環(huán)境下道路識(shí)別技術(shù) 82.1 概述 82.2 基于混合模型的車(chē)道線檢測(cè) 82.2.1 圖像相關(guān)干擾濾除算法 82.2.2 基于混合模型的車(chē)道線檢測(cè)算法 162.2.3 基于混合模型的車(chē)道線跟蹤算法 242.2.4 復(fù)雜環(huán)境下車(chē)道線檢測(cè)實(shí)驗(yàn) 272.3 基于深度學(xué)習(xí)方法的車(chē)道線檢測(cè) 312.4 基于激光雷達(dá)的護(hù)欄檢測(cè) 332.4.1 引言 332.4.2 基于激光雷達(dá)的護(hù)欄檢測(cè)算法 342.4.3 護(hù)欄檢測(cè)算法評(píng)價(jià)指標(biāo) 422.4.4 面向整車(chē)集成的護(hù)欄檢測(cè)與跟蹤系統(tǒng) 432.5 本章小結(jié) 48參考文獻(xiàn) 48第3章 車(chē)輛定位技術(shù) 503.1 概述 503.2 常用的車(chē)輛定位技術(shù) 513.3 基于變分貝葉斯的魯棒車(chē)輛定位算法 513.3.1 引言 513.3.2 基于混合高斯的魯棒車(chē)輛定位模型 523.3.3 模型參數(shù)估計(jì) 543.4 面向數(shù)據(jù)傳輸中延時(shí)和丟包的魯棒網(wǎng)聯(lián)車(chē)輛定位方法 583.4.1 引言 583.4.2 基于層次貝葉斯的網(wǎng)聯(lián)車(chē)輛定位模型 603.4.3 模型參數(shù)估計(jì) 623.5 本章小結(jié) 66參考文獻(xiàn) 66第4章 目標(biāo)跟蹤技術(shù) 704.1 概述 704.2 面向車(chē)輛未知運(yùn)動(dòng)下的目標(biāo)跟蹤方法 714.2.1 引言 714.2.2 基于一致性點(diǎn)漂移的多目標(biāo)跟蹤算法 724.2.3 仿真和實(shí)驗(yàn)驗(yàn)證 774.3 分布式跟蹤方法 794.3.1 引言 794.3.2 基于聯(lián)合數(shù)據(jù)關(guān)聯(lián)、配準(zhǔn)和融合的分布式跟蹤算法 804.4 本章小結(jié) 86參考文獻(xiàn) 86第5章 智能網(wǎng)聯(lián)汽車(chē)協(xié)同檢測(cè)技術(shù) 895.1 概述 895.2 基于多激光雷達(dá)點(diǎn)云聯(lián)合配準(zhǔn)的三維目標(biāo)協(xié)同檢測(cè)方法 895.2.1 引言 895.2.2 基于Student’st混合模型的多點(diǎn)集集成配準(zhǔn)方法 905.2.3 基于多點(diǎn)云聯(lián)合配準(zhǔn)的三維目標(biāo)協(xié)同檢測(cè) 955.3 基于多圖像融合的目標(biāo)車(chē)輛檢測(cè)方法 1015.3.1 引言 1015.3.2 多圖像配準(zhǔn)和融合的基本思路 1025.3.3 基于Student’st混合模型的多源圖像集成配準(zhǔn)和融合的聯(lián)合優(yōu)化 1025.3.4 基于有界廣義高斯混合模型的配準(zhǔn)和融合的聯(lián)合優(yōu)化 1085.3.5 基于多圖像配準(zhǔn)融合的車(chē)輛目標(biāo)協(xié)同檢測(cè) 1135.4 本章小結(jié) 115參考文獻(xiàn) 115