智能车辆多传感器信息融合方法研究

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状与进展

1.2.1 多目标跟踪技术

1.2.2 多传感器目标信息融合技术

1.3 本文主要研究内容及章节安排

1.4 本章小结

第2章 多目标跟踪数据关联算法

2.1 多目标跟踪基本原理

2.2 机动目标运动模型建立

2.2.1 运动模型基本原理

2.2.2 匀速运动模型

2.2.3 匀加速运动模型

2.2.4 联动转弯模型

2.3 数据关联算法

2.3.1 联合概率数据关联算法

2.3.2 多假设跟踪算法

2.4 本章小结

第3章 多目标跟踪非线性状态估计方法

3.1 贝叶斯滤波原理

3.2 非线性卡尔曼滤波算法

3.2.1 扩展卡尔曼滤波

3.2.2 无迹卡尔曼滤波

3.2.3 容积卡尔曼滤波

3.3 粒子滤波

3.3.1 序贯重要性采样

3.3.2 重采样方法

3.4 非线性状态估计方法滤波精度分析

3.5 基于平方根容积卡尔曼的非线性多目标跟踪算法

3.5.1 平方根容积联合概率数据关联

3.5.2 自适应跟踪门

3.6 本章小结

第4章 多传感器目标融合算法

4.1 多传感器目标关联算法

4.1.1 基于统计理论的多传感器目标关联算法

4.1.2 基于最优分配的多传感器目标关联算法

4.1.3 基于模糊数学的多传感器目标关联算法

4.1.4 基于灰色理论的多传感器目标关联算法

4.2 多传感器目标融合算法

4.2.1 集中式融合系统

4.2.2 分布式融合系统

4.3 基于误差协方差的多传感器融合算法

4.3.1 智能车辆车载多传感器坐标转换

4.3.2 基于协方差的多传感器目标关联融合算法

4.4 本章小结

第5章 多传感器多目标跟踪融合算法及试验验证

5.1 智能车辆多传感器多目标跟踪融合架构

5.2 仿真结果

5.2.1 基于平方根容积卡尔曼的非线性多目标跟踪算法仿真验证

5.2.2 基于误差协方差的多传感器目标关联融合算法仿真验证

5.3 本章小结

第6章 总结与展望

6.1 全文总结

6.2 研究展望

参考文献

作者简介及在学期间所取得的科研成果

致谢