無人駕駛高清地圖算法研究

以下是資料介紹,如需要完整的請充值下載. 本資料已審核過,確保內容和網頁里介紹一致.  
無需注冊登錄,支付后按照提示操作即可獲取該資料.
資料介紹:

無人駕駛高清地圖算法研究(任務書,開題報告,外文翻譯,論文30000字)
摘  要
本文借助現階段的三種主流地圖構建軟件算法,并對幾種算法下的實驗室模擬地圖構建進行了對比與分析,另應用到百度阿波羅平臺的實踐與學習。
論文主要研究了具體的一種算法應用以及程序的實操,對于試驗過程中的問題進行了理論與實踐上的探討與分析;另外簡單學習了另外兩種算法的的編程與應用,模擬了構建實驗室地圖,并與其他兩種進行了對比分析優缺點。
研究結果表明:第一種可以實時構建室內地圖,在構建小場景地圖所需的計算量較小且精度較高。相比另外兩種方法對激光雷達頻率要求低、魯棒性高(第二種在機器人快速轉向時很容易發生錯誤匹配,建出的地圖發生錯位,原因主要是優化算法容易陷入局部最小值);而相比最后一種方法在構建小場景地圖時,第一種是不需要太多的粒子并且沒有回環檢測因此計算量小于最后一種而精度并沒有差太多。
關鍵詞:無人駕駛;高清地圖;Gmapping slam;Hector slam;Cartographer slam。

 
Abstract
This paper makes use of the current three mainstream map software algorithms, and compares and analyzes the construction of laboratory simulation Maps under several algorithms, and applies it to the practice and learning of Baidu's Apollo platform.
This paper mainly studies the application of a specific algorithm and program practice, and discusses and analyzes the problems in theory and practice. In addition, we simply study the programming and application of the other two algorithms, simulate the construction of laboratory maps, and compare and analyze the advantages and disadvantages with the other two.
The results show that the first one can build indoor maps in real time, and the calculation required to build small scene Maps is small and accurate. Compared with the other two methods, the frequency requirement for Lidar is low and the robustness is high(the second is that when the robot quickly turns, it is easy to mismatch, and the resulting map is misplaced. The main reason is that the optimization algorithm is prone to fall into the local minimum value); Compared to the last method when constructing a small scene map, the first one does not require too many particles and there is no loop detection so the calculation amount is smaller than the last one and the accuracy is not much worse.
Key Words:Driverless;HD map;Gmapping slam;Hector slam;Cartographer slam

目錄
第1章 緒論    6
1.1無人駕駛高清地圖背景歷史:    6
1.2國內外發展現狀:    9
1.2.1現狀綜述    9
1.2.2中國國情    13
1.2.3高精度地圖標準之爭    13
1.3 高精地圖在無人駕駛領域的作用    14
1.4高精地圖與普通導航地圖的區別    15
1.5高精度地圖的定義    17
1.6高精度地圖應用    18
1.6.1高精地圖如何提高魯棒性    18
1.6.2高精地圖的大致分層    20
1.7小結    20
第2章 Gmapping slam    21
2.1 Gmapping概念:    21
2.2 Gmapping slam優缺點:    23
2.2.1優點    23
2.2.2缺點    24
2.3 關于Gmapping的基本理解    24
2.4使用RBpf建圖    25
2.4.1目標分布與提議分布    25
2.4.2在RBpf的基礎上改進提議分布和選擇性重采樣    26
2.5存在的部分問題及解決方法    28
2.5.1提出問題    28
2.5.2解決方法    29
2.6小結    32
第3章 Hector slam    32
第4章Cartographer    33
4.1 Cartographer算法原理    33
4.2局部優化    33
4.3 全局優化    35
第5章 百度apollo平臺    35
5.1發展背景    35
而將這個計劃命名為“Apollo”計劃,就是借用了阿波羅登月計劃的含義。    36
5.2平臺體系    36
5.3生態系統    36
5.4技術合作    36
5.5核心支柱    37
 

302宿舍白露全文阅读