教案sy雄开题报告

1、号：TP391密级：公开号：SY1103309学开题基于视觉的前车检测系统开发及研究作者 戴冠雄 学科专业 检测技术与自动化装置指导教师 吴星明 培养院系 自动化科学与电气1.选题依据1.1选题的意义汽车在给人类生活带来快捷方便的同时，也带来了一系列的交通问题：交通拥挤、交通事故、环境污染、燃油浪费等。在拥堵的公常常发生追尾等交通事故；而在拥挤的城市交通下，要时刻紧盯前面车辆，走走停停，长时间高度紧张和单调作业也极易导致交通事故发生。因此，提高汽车行驶的安全性和高效性已成为当务之急。智能交通系统1就是解决道路交通问题的一种应对方案。智能交通系统(elligent Transporion Sys

2、tem，简称 ITS)的含义是指将先进的计算机处理技术、数据通讯传输技术及控制技术等有效地综合运用于整个交通管理体系中，将人、路、车有机结合起来，以达到最佳的和谐，从而建立起一种在大范围内、全方位发挥作用的实时、准确、高效的交综合管理系统23。车辆自动，属于 ITS 中的先进辅助驾驶的一个重通要部分，指的是一辆车可以地跟随前面的车辆运动并保持合理的车距，从而提高行车效率与道路安全，同时也减少燃油浪费。车辆，按实现工作方式主要分为两类：合作式和独立式45。合作式的车辆系统需使用通讯技术，包括车辆与车辆之间的通信或是车辆与道路设施的通信；而独立式的车辆是一个自动化系统，仅依靠自身传感器，不使用任何

3、与外界的通信即可实现自动功能。典型合作式方案 ITS 性能完善但代价高，独立式虽性能简单但对外界无信息交互要求，因此实现起来比较容易。特别在城市交通拥堵环境下，车速一般都不高，独立式就非常适用。在独立式的车辆中前车检测为后车的路径规划和轨迹提供了基础，其检测的精度直接关系到后车的轨迹的好坏。前车检测主要检测车体的位置、速度、加速度等信息。它可以比喻为车辆的眼睛，只有准确、及时地检测出运动车辆的状态，才能完成后续的车辆信息提取、行为分析、车辆等工作。特别是针对独立式的车辆6这类项目，由于它是一个自动化系统，仅依靠自身传感器，不使用任何与外界的通信即可实现自动功能，这时前车及周围环境的感知完全来自

4、于后车自生的车载传感器，实时可靠的车辆检测是实现目的关键问题。前车检测技术是智能车辆安全辅助驾驶系统的重要研究，对于减少车辆碰撞交通事故，提高车辆的道路行驶安全性具有重要意义。它的研究内容相当丰富，主要涉及到模式识别、图像处理、计算机视觉、人工智能等学科知识，并在不断的完善和发展，是目前各个国家投入大量的人力和物力研究的热点。因此，在智能交通领域内研究并实现快速、有效的车辆检测与方法并实现，具有重要的学术价值和社会、经济意义。1.2国内外研究现状分析从 20 世纪 80 年代中后期开始，世界主要发达国家对道本车前方的车辆检测技术开展了一系列卓有成效的研发工作。这些技术主要体现在一些智能车辆系统

5、和安全辅助驾驶系统中。在智能车辆研究方面，美、德、意、法、日等国走在世界前列7 8。研制的 NavLab 系列智能车辆代表了智能大学机器人车辆的发展方向，其典型代表有 NavLab-1 系统和 NavLab-5 系统10 11。NavLab-1系统于 80 年代建成，其传感器包括彩色机、ERIM、超声、陀螺、光电码盘、GPS 等，其计算机系统可完成图像处理、图像理解、传感器信息融合、路径规划和车体控制。NavLab-5 系统于 1995 年建成，车体采用 Pontiac 运动跑车，其传感系统包括视觉传感器系统、差分 GPS 系统、光纤阻尼陀螺等，其计PANS9（Portable Advance

6、d算机系统为研发的便携式高级导航支撑Navigation Support），该为系统提供计算基础和 I/O 功能，并能控制转向和安全，其中包括一台用于传感器信息处理与融合、全局与局部路径规划的Sparc Lx 便携式工作站和一台完成底层车体控制与安全的 HC11 微控制器。德国的 Caravelle 系统10由德国研究与技术部门与大众汽车公司合作于 1992年制成，车体采用大众公司的 Caravelle 旅行车。它的研究主要内容是高速公路下的视觉导航，因此其传感器和计算机系统都是以视觉为主。传感器系统除两台机外，仅安装了一个速度传感器和一个测量驾驶角的传感器。两台机中一台装有摄远镜头的用来检测

7、，另一台装有广角镜头的用来检测行车道。计算机系统也是由Transputer的并行处理单元，完成图像处理、动态滤波、车体控制。另一台PC 完成系统自举、等功能。意大利Parma 大学的Vislab是著名的基于视觉处理的智能车辆。其与九十年代中期研制的 ARGO 实验车由轿车改制而成，装备有低成本的CCD机、霍尔效应传感器、IO 接口板、信息输出设备和奔腾 200MMX 的是 GOLD11(Generic obstacle and LanePC 机，使用 Linux 操作系统，其Detection System)视觉系统。有不同的控制设备以实现自动驾驶功能。系统分成两个模块：OD 模块用来检测物，

8、LD 模块用来检测和车道线。车道线检测采用单目视觉模型匹配技术；物检测采目视觉的方法，系统通物。而研制的“BRAIVE”，同过处理一对重建的图像检测前方的样基于视觉处理算法完成了 2010 年 10 月从意大利的罗马到中国人驾驶旅程。的洲际 无法国大学的Peugeot 系统，其计算系统仅为一块 DSP 卡，传感器系统机和速度传感器。该车的一个突出特点是硬件配置轻型化，整个包括 CCD系统的运算处理部分都已集成在一块数字信号处理卡上，因此对试验车几乎无需作任何改装。Peugeot 试验车已经在高速公试验，最高车速达到 130km/h。进行了几百公里不同路况的行车在，由道路交通局发起的先进安全车辆

9、系统 ASV(AdvancedSafety Vehicle)已发展到了第二阶段，由国内 13 家汽车生产厂商参加。旨在通过在车辆上安装的传感技术以提高车辆的安全性，防止交通事故、减少交通事故造成的损失。其中三菱汽车 Mitsubishi 和Honda 的 ASV 系列最为典型12。其传感器系统包括前后视觉机系统、能探测前方车辆的距离和相对速度的微波、具有高分析能力的及其他一些监测道路环境的传感器，三菱汽车公司从 1991 年度以来在省的指导下，开始“ASV 工程”，对“三菱驾驶支援系统”（由车距控制、车道偏离、侧后方发三个系统组成）等多项驾驶支援技术进行实用化研究。其实用性研究的主要系统有道路

10、探寻辅助系统、前照灯光线控制系统、高级尾灯系统、睡眠装置等等。此外，公司在无人驾驶汽车方面也取得了令人瞩目的成就。2010 年，公司推出了无人驾驶汽车项目，经过两年半的研究，在 2012 年 8 月该公司宣布十余辆无人驾驶汽车已经在电脑控制下安全行驶了 30 万英里（约合 48）。谷歌无人驾驶汽车可以随时，但也完全可以自动行驶，驾驶的技术由自动导航系统、温度敏感测试反应系统在内的多种自动操作系统组成，车内设有照相机，车顶设有旋转激光扫描器。整个系统的是车顶上的激光测距仪(Velodyne 64-beam)。根据激光测距仪的距离数据描绘出精细的 3D 地形图，然后跟高分辨率地图相结合，生成不同的

11、数据模型供车载计算机系统使用。此外，在汽车的前后保险杠上有四个，用于探测周边情况。后视镜附近有一个机，以检测红绿灯情况。还有一个 GPS、一个惯性测试单元、一个车轮编，用来确定车辆位置，其运动情况。车身也有一系列的感应器。通过感应器，车辆可以清晰看到周围物体，清楚掌握它们的大小、距离，时刻对周围环境保持 360 度无死角关注。所有上述设备到的数据都将输入车载计算机，并由开发的这套无人驾驶系统在极短的时间内做出判断：是该加速、刹车还是转向。与国外相比，国内在智能车辆方面研究起步较晚，规模较小，开展这方面研究工作主要有、国防科技大学、吉林大学、理工大学、沈阳自动化所等。其中在智能车研究方面处于领先

12、地位，其研制的 THMR（TsinghuaMobile Robot）系列智能车辆系统已经具备了很强的技术实力。计算机系智能技术与系统国家重点试验室在国防科工委和国家863 计划的资助下，从 1988 年开始研制THMR（Tsinghua Mobile Robot）系列智能车辆系统13。THMR-III 系统的车体选用 BJ1022 面包车改制。THMR-III 上集成了二维彩色机、磁罗盘和光码盘定位、GPS、超声等传感器。计算机系统采用 Sun Spark10 一台、PC-486 二台和 8098 单片机数台。Sun 完成任务规划，根据地图数据库信息进行全局规划，一台 PC 机完成视觉信息处理

13、，另一台 PC完成局部规划、反射控制及系统，数台 8098 完成超声测量、位置测量、车体方向速度的控制。它的体系结构以垂直式为主，采用多层次“感知-动作”行为控制及基于模糊控制的局部路径规划及导航控制。THMR-V 系统是计算机系正在研制的新一代智能车，兼有面向高速公路和一般道路的功能。车体采用道奇 7 座厢式车改装，装备有彩色机、GPS、磁罗盘光码盘、220 等。计算机系统采用 Pentium-II 计算机两台，其中一台进行激光测距仪视觉信息处理，另一台完成信息融合、路径规划、行为控制、决策控制等功能。4 台IPC 工控机分别完成激光测距信息处理、制等功能。THMR-V 系统的 GPS 采用

14、处理、通讯管理、驾驶控Nova公司生产的 3111R 单频 12、FRM96S-35(W)电台通道实时差分 GPS 系统。该系统由两台 3111RGPS及MODEM 组成。该智能车设计车速高速公路为80km/h，一般道路为20km/h14。国防科技大学自动化从上世纪 80 年代末着手研制新一代地面无人驾驶车，先后研制CITAVTI 型，CITAVTII 型等，的CITAVTIV 是基于视觉导航的自动驾驶汽车，该车在 2000 年 4 月在长沙市绕城公进行了实验，最高时速达到 75.6km/h。和国防科技大学自动化学院共同研发了中国第一辆驾驶车辆。该驾驶技术采用最先进的计算机视觉导航方案，能实时

15、处理岔道、斑马线和虚线，对车体姿态变动和自然光照变化都有较强的自适应能力。且 2011 年 7 月 14 日研制的无人车 HQ3 完成 286 公里无人驾驶实验，达到世界先进水平实验中，无人车超车 67 次，途遇复杂天气，人工干预里程占这次驾驶总里程不到百分之一。吉林大学智能车辆课题组从 1992 年开始一直开展智能车辆导航研究，在智能车辆的体系结构、传感器信息的获取与处理、路径识别与规划、智能车辆前方物探测及车距保持等方面进行了较为深入的研究15。先后研制开发出JUTIV-I、JUTIV-II、JLUIV-III 和JLUIV-IV 四代视觉导航智能车。JUTIV-II 型智能车的传感器系统

16、有CCD机、三维激光测距仪、GPS、远、近距离避障传感器、制动拉压力传感器、光电编等。计算机系统采用一台Pentium-III 工业控制计算机，完成车辆的传感信息获取、周围环境感知、图像处理、导航路径识别及决策控制。JUTIV-II 型智能车研究了道路边界识别算法、恶劣环境下导航路径识别算法、车辆前方车辆探测及车距保持控制算法等。JUTIV-III 型智能车是面向工业物流自动化的AGV，主要由车体、CCD系统、工控微机测控系统、行走转向驱动系统、避障系统、通讯系统等组成，其中工控微机测控系统包含工控微机、各种 A/D、D/A、I/O、计数卡，行走转向驱动系统包括直流电机和电机调速板。所研制的实

17、用化 JLUIV3 型 AGV 采用两维视觉导航，可实现路径自动、自动转向、自动行驶。在行驶过程中能够自动识别数字编码的多停靠工位和多分支路径，能够自动识别加速、直角转弯、停车等车辆运动状态标识符，能够智能识别物。AGV 根据上述图像识别信息，自动完成各种相应的运行操作16。此外，该种 AGV 还能够实现和管理中心之间的无线通讯。该种视觉导航 AGV 可用于实际的柔性生产组织和户内外物流自动化1516。课题组还完成视觉导航高速智能车JLUIV-IV 的研制开发，自主导航最高车速为 50km/h，并进行了导航控制算法的研究。7B.8 系统是由理工大学、理工大学、浙江大学、国防科技大学、清智能车辆

18、，于 1995 年 12 月通过验收。7B.8华大学等多所院校联合研制的系统的车体选用国产跃进客货车改制，车上集成了二维彩色机、三维激光雷达、陀螺惯导定位、超声等传感器。计算机系统采用两台 Sun10 完成信息融合、黑板调度、全局、局部路径规划，两台 PC486 完成路边抽取识别和激光信息处理，8098 单片机完成定位计算和车辆自动驾驶。其体系结构以水平式结构为主，采用传统的“感知-建模-规划-执行”算法，其直线速度达到 510km/h。速度达到 20km/h，避障通过上述国内外的诸多独立式车辆控制系统，可以清楚地看到：独立式车辆系般分为如下三个环节：前车的检测、目标点的生成以及后车的运动的执

19、行。而本文主要是针对前车检测进行研究，该部分是独立式控制系统的前提，车辆的检测属于计算机视觉的范畴，通常采用的传感器有头、微波、激光测距仪、超声波、红外传感器等，通过对传感器信息的、，形成对环境特征的综合描述方法，进而得到前车的位置坐标以及其姿态信息。2.研究方案2.1研究目标本文研究的目标是利用计算机视觉技术、激光检测技术与数字图像处理技术研究动车辆自动检测、运动状态、自动算法，设计并实现基于计算机视觉和激光测距仪的车辆检测与系统以及研制开发相应的系统，使得该系统能够对运动车辆进行快速、有效的检测和，并能进行运动轨迹、速度、加速度、偏转方向等交通参数的提取。2.2研究内容2.2.1.头运动时

20、的车辆检测运动车辆检测是计算机视觉的重要研究方向。它是智能交通系统的技术，是实现交通流参数提取和交通事件自动检测等技术的基础。它主要是对交通场景图像中的车辆进行分割，为后期的车辆运动估计、运动车辆提供车辆大小和位置等基本信息。从技术角度而言，运动分析的研究内容相当丰富，主要涉及到模式识别、图像处理、计算机视觉、人工智能等学科知识。一般的运动目标识别是头固定并且目标运动，这种情况由于背景不动，只要用差值法就能很好的检测出运动的目标；而在车辆中，由于头安装在后车上，过程中头在运动，此时无法利用简单的插值法。需要利用更加可靠的算法用于头运动中车辆的检测。2.2.2. 多传感器融合用于检测目标的传感器

21、有很多种：机器视觉（头）、微波、毫、激光测距仪、超声波、红外头等。各个传感器都有优缺点，例如，摄像头可以通过目标特征有效地识别物体，但是由于计算量大导致了实时性差，并且不能直接获取深度信息；而激光测距仪可以快速地获取深度信息，但是由于信息量少，要有效识别目标物比较。因此，为了可以利用各个传感器的优点，采用多传感器融合的技术，实现准确可靠地识别目标，并且快速地得到深度信息。2.2.3. 运动车辆的轨迹拟合利用传感器到运动过程中前车的相对数据之后，需要对原始数据进行处理。首先需要滤除噪声或者无效信息；然后需要将相对位置信息转换为绝对位置信息，这个就需要知道头自身的位置信息；最后需要将绝对位置点拟合

22、出前车的运动轨迹。2.2.4. 硬件的搭建为了模拟车辆，需要搭建一个可以做实验的中虽然有P3-AT移器人，然而由于是它是差动的方式转向，不符合真车模型。为了贴近实际，打算做一个按照真车比例缩放的小车模型，一个前车，一个后车。前车可以采用的方式控制其运动，后车装上头对前车进行检测和。为了提高图像的处理速度，打算利用 PC 机进行检测数据处理；而车辆的底层控制采用 ARM单片机实现，PC 和ARM 直接可以利用串口进行通讯。2.2.5.的搭建在控制小车方面，需要编写底层的驱动程序；在数据处理方面，可以利用C+编写上位机代码，其中图像处理可以使用OpenCV 中已经封装好的函数实现。2.3拟解决的关

23、键问题及难点1. 图像处理在车辆的过程中会遇到很多复杂的场景。例如，在城市道路这种复杂交通场景中存在着交通多向、人车混杂、光线变化、复杂驾驶操作、交通阻塞、车辆遮挡等。这些使得基于的车辆会遇到比在高速公的问题。而其中主要的技术难点在于：1）机的微小抖动；2）背景的时变性，它受车辆灯光、云彩、雨水、行人、阴影等影响，使交通背景的实时准确提取变得；3）车辆遮挡、咬合效应，特别是在交通繁忙的交叉路口，造成对车辆的误检或漏检，其不良影响更为突出；4）车辆机动性，车辆临时停车、转弯、换道等引起的车辆姿态变化；5）现有算法不能对车辆能进行检测和（由于等信号灯、停车、事故停车等原因）；特征的选取和聚类；算法

24、的实时性、鲁棒性。2. 多传感器融合用的比较多的是将头和激光测距仪的数据进行融合，而由于激光测距仪的数据量比较大，其中有一部分数据是属于无效数据，只需要每一帧图像中感区域内的激光数据，这样需要对的数据进行过滤。此外，为了得到准确的深度信息，需要对头和激光测距仪进行联合标定，不仅需要知道头的参数，还需要知道头和激光测距仪相对位置的外部参数。如何找到一种高效快速的多传感器融合算法是一个难点。3. 软硬件的调试搭建实验的时候一定会遇到预想不到，这都需要靠软硬件调试的经验来解决。为了验证算法的有效性，首先得保证搭建的硬件的精度，例如，如何定位后车的位置，如何提高机构的精度等等。在方面，需要对 Open

25、CV进行一点的学习，如何将其中的图像处理函数应用到实际工程中都需要进一步的学习。2.4拟采用的研究方法、技术路线、实验方案及预期的新意/创新研究方法多学科交叉融合法机器人技术是一门多学科交叉的高科技技术。多学科交叉融合的方法不仅可以拓展各科的研究领域和应用范围，还可以弥补单一学科由于技术局限性而造成的实现。多学科联系起来的学术已经给机器赋予了数学、力学、人工智能、电子技术、控制理论等学科的内容。系统是一个电子、计算机的交叉学科。系统属于应用型的学科，它的理论研究以及技术的实现都由国际上大的研究机构与公司来完成。在本课题对于系统的应用开发上，硬件角度上需要熟悉电子系统的设计原理、微型计算机组成原

26、理。角度上需要掌握计算机操作系统的原理、设备驱动程序的机制、程序设计方法。所以只有掌握电子学科基础与计算机学习基础，才能更好地进行系统的开发，尤其针对设备驱动程序设计，对于操作系统原理与控制系统硬件的掌握显得尤为重要。2)理论分析与仿真图像处理算法有很多，针对不同不同的算法有不同的效果，即使是一种算法，在不通的情况下处理的效果也有所不同。如何在浩如烟海的图像处理算法中找到一种适合于前车检测的算法是非常重要的。此外，理解图像处理理论需要扎实的数学基础，如果对处理的效果不满意，需要对其进行深入分析，理解其本质之后才能对算法进行改进。这过程需要反复的理论分析和仿真。3)实验实践方法由于系统开发主要是

27、应用型的学科，所以系统的实现与功能都需要通过实际的硬件实现来体现。针对项目的需要，本课题将开发适用于机器人小车上运行的系统，在完成对系统硬件、的设计的基础上与项目工程紧密联系起来，进行调试以验证系统开发的有效性。技术路线运动车辆检测方法研究与实现目前基于单目视觉进行车辆检测的研究最为广泛，其主要原因在于 CCD 摄像机的性能能够满足实时性要求，而且视觉信息丰富，可以通过算法进行充分利用来实现车辆检测的目的。基于特征的方法和基于模型的方法可以适应机运动的情况。基于特征分析的方法主要应用在车辆等特征明显的人造物体检测上。人们对于识别和定位的目标都具有先验知识，人类视觉系统之所以能识别和分辨千差万别

28、的目标，也是长期积累先验知识的结果。基于特征的车辆检测算法就是直接运用车辆的一些属性特征，如颜色、形状、对称性，在图像中通过寻找车辆的特征来完成车辆的检测。总结对于公行使的前方车辆，主要呈现以下的后视特征:对称性17、阴影18、边缘19、形状特征、位置特征、角点特征、颜色特征、纹理特征、连续性特征、动态变化特征等。其中对称性、阴影、边缘等是进行车辆检测常用的特征。在白天较好的光照条件下，车辆底部留下的阴影区域的亮度明显区别于图像的其他部分。阴影作为特征只能确定车辆的可能出现的大致位置和宽度。利用车辆具有良好的对称性的特点，可以从对称性图中得到车辆的位置。利用车辆边缘具有的特点可以很好的将图像中

29、的车辆分割出来，边缘特征强于阴影和对称性特征。基于特征的方法的关键是寻找稳定可靠的车辆特征，多种特征的融合算法是提高检测精度的一种途径。基于模型的方法通常是获取大量不同道路环境、不同类型的车辆图像，然后利用基于灰度信息的方法建立车辆特征模型20。用这些模型与待识别图像进行匹配，寻找与模型相似的特征区域，即为被检测的车辆。在实际应用中，往往通过基于特征的方法先建立感区域，然后再进行匹配，以提高匹配速度。如Bensrhair A，Bertozzi M 等采用基于对称性特征检测感区域 ROI，然后利用建立的矩形二维模型在 ROI 内进行模型匹配21。基于模型的方法缺点是对车辆模型的过分依赖，由于车型

30、的多样性，一种模型往往不能适用于所有的车辆，车辆姿态的变化需要使用 3D 模型并配合相应的几何变换来加以适应。为每种车辆和姿态都建立精细的模型势必造成计算量的成倍增加。特别是采用三维模型时，不利于实时处理。2)多传感器融合技术的研究与实现拟采用头和激光测距仪（111）为主要检测设备，利用头信息量丰富，激光测距仪可以获得准确的目标深度信息，对前车的位姿进行实时检测，以求能够提高系统的整体精度。利用多传感器融合的的方法，首先将激光数据进行预处理工作，目的是在图像上获得区域。它的主要算法是数据聚类，就是利用形状规则信息等将可能属于同一物体的数据点归类。在聚类之后，属于同一物体的数据点就可以在局部进行

31、单独处理，效率会有很大提高。形状分析利用车辆的形状信息对各个聚类进行判定，利用点云分析等算法获得更加接近于车辆形状的聚类作为区域。然后利用变换将该聚类投影到图像上，得到图像区域。3)前车检测系统的搭建4.工作计划2012 年 12 月2013 年 01 月进行项目的调研，通过查找大量的文献，确定软硬件实现方案;2013 年 02 月2013 年 04 月初步完成系统信息的搭建与调试能够息;图像信息和激光距离信2013 年 05 月2013 年 07 月2013 年 08 月2013 年 09 月多传感器数据融合与实验实现;基于的车辆算法研究，实物调试与算法验证;智能小车系统的整体调试，完善前车

32、检测系统的软硬件，增加稳定性;2013 年 10 月2013 年 11 月整体总结，撰写辩。，准备毕业答5.主要参考文献1Sun, Z., G. Bebis, and R. Miller, Monocular precrash vehicle detection: Featuresand classifiers. Image Pro2019-2034.sing, IEEE Tranions on, 2006. 15(7): p.2. 智能交通系统(ITS) 概述及我国的发展对策选择J. 地理科学进展,1999,18(3):274-278.智能交通系统在国外的发展趋势J.国外公路,1999,01

33、:2-6.34Wang XX, Bi H, Xia B, “Research on the Real Time Information Broadcasting System Based on the Information Technology and Environmental System2008,Vol. 2, No. 6, pp. 149-153elligent Transporionernet”,ScienProceedings of(ITESS), May.5Ge HX, Zhu HB, Dai SQ, “Cellular Automaton Traffic Flow MCons

34、ideringelligent Transpor10, pp. 4621-4626ion System”, Acta Physica Sinica, Oct. 2005,Vol. 54, No.6Teck Chew. Autonomous Vehicle Following A Virtual Trailer Link Approach.NanTechnologicalUniversity:SchoolofElectrical&ElectronicEngineering. 2009. 1-8.Teck Chew Ng, Martin Adams, Javier Ibanez-Guzman. B

35、ayesian Estimation of7Follower and Leader Vehiclees with a Virtual Trailer Link M.ernational Journal of Robotics Research.v27,n1, p91-106, 2008,1.8华,. 移器人的发展现状及其趋势J. 机器人技术与应用,2001,03:7-14.9 Todd Jochem，Dean Pomerleau，et al., PANS: A Portable Navigation Platform，Proceedings of the IEEEelligent Vehicles Symium 1995，September 25-26,1995, Detroit, Michigan, USA.10 Rudolf Gregor, M.Ltzeler, EM