參考文獻

[1] 朱玉龍.自動駕駛等級對感知的需求區(qū)別[EB/OL]. [2016-12-02]. https://www.sohu.com/a/120476840_467757.

[2] 田旋旋. 基于雷達通信一體化機制的車輛情境信息感知方法研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2018.

[3] 李小寶. MEMS大視野掃描激光3D圖像傳感器關(guān)鍵技術(shù)研究[D]. 哈爾濱：哈爾濱工業(yè)大學(xué)，2017.

[4] 宋揚，李竹.基于深度圖像增強的夜間車道線檢測技術(shù)[J].計算機應(yīng)用，2019，39(2)：103-106.

[5] 潘衛(wèi)國，劉博，陳英昊，等.基于YOLO v3的交通標(biāo)志牌檢測識別[J].傳感器與微系統(tǒng)，2019，38（11）：147-150.

[6] 武瑩，張小寧，何斌.基于圖像處理的交通信號燈識別方法[J].交通信息與安全，2011，29（3）：51-54.

[7] 魏子洋，趙志宏，趙敬嬌.改進Faster R-CNN算法及其在車輛檢測中的應(yīng)用[J].應(yīng)用科學(xué)學(xué)報，2020，38（3）：377-387.

[8] 夏顯召，朱世賢，周意遙，等.基于閾值的激光雷達K均值聚類算法[J].北京航空航天大學(xué)學(xué)報，2020，46（1）：115-121.

[9] ARRAS K O, MOZOS O M, BURGARD W. Using Boosted Features for the Detection of People in 2D Range Data[C] //IEEE. 2007 IEEE International Conference on Robotics and Automation. New York: IEEE，2007: 3402-3407.

[10] SHI B Q, LIANG J, LIU Q. Adaptive Simplification of Point Cloud Using k-means Clustering[J]. Computer-aided Design，2011，43(8): 910-922.

[11] 向俊奇. 基于膜計算的屬性約簡與劃分聚類研究[D].重慶：重慶大學(xué)，2019.

[12] 沈敬紅. 時間序列近似表示與聚類算法研究[D]. 重慶：重慶郵電大學(xué)，2017.

[13] HERHANDEZ D C, FILONENKO A, SEO D, et al. Lane Marking Recognition Based on Laser Scanning[C] //IEEE. 2015 IEEE 24th International Symposium on Industrial Electronics. New York: IEEE，2015: 962-965.

[14] 占佳聲. 基于網(wǎng)格化的負荷預(yù)測方法研究及應(yīng)用[D].南昌：南昌大學(xué)，2020.

[15] 蔣劍飛，李其仲，黃妙華，等.基于三維激光雷達的障礙物及可通行區(qū)域?qū)崟r檢測[J].激光與光電子學(xué)進展，2019，56（24）：249-258.

[16] 謝德勝，徐友春，王任棟，等.基于三維激光雷達的無人車障礙物檢測與跟蹤[J].汽車工程，2018，40（8）：952-959.

[17] 汪世財，談東奎，謝有浩，等.基于激光雷達點云密度特征的智能車障礙物檢測與跟蹤[J].合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2019，42（10）：1311-1317.

[18] 常昕，陳曉冬，張佳琛，等.基于激光雷達和相機信息融合的目標(biāo)檢測及跟蹤[J].光電工程，2019，46（7）：91-101.

[19] 田苗，郝向陽，劉松林，等.基于點離散度的張正友標(biāo)定法[J].全球定位系統(tǒng)，2015，40(6)：86-88+98.

[20] 崔碩，姜洪亮，戎輝，等.多傳感器信息融合技術(shù)綜述[J].汽車電器，2018（9）：41-43.

[21] 劉志強，張光林，鄭曰文，等.基于檢測無跡信息融合算法的多傳感融合方法[J].汽車工程，2020，42（7）：854-859.