| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题的研究背景 | 第8-9页 |
| 1.2 车辆识别算法综述 | 第9-11页 |
| 1.2.1 车辆识别算法的主要框架 | 第9-11页 |
| 1.2.2 车辆识别的主要方法 | 第11页 |
| 1.3 车辆识别方案 | 第11-14页 |
| 1.3.1 车辆识别算法的要求 | 第12页 |
| 1.3.2 车辆识别的主要研究内容 | 第12-14页 |
| 2 摄像机模型 | 第14-25页 |
| 2.1 摄像机模型 | 第14-18页 |
| 2.1.1 车辆坐标系到摄像机坐标系的转换 | 第15-16页 |
| 2.1.2 摄像机坐标系到成像坐标系的转换 | 第16-17页 |
| 2.1.3 成像坐标系到像素坐标系的转换 | 第17-18页 |
| 2.1.4 车辆坐标系到像素坐标系的转换 | 第18页 |
| 2.2 摄像机内外参数标定 | 第18-21页 |
| 2.2.1 摄像机的内参标定 | 第19-20页 |
| 2.2.2 摄像机的外参标定 | 第20-21页 |
| 2.3 基于知识的检测空间缩减 | 第21-24页 |
| 2.3.1 基于消失线的初始检测区域划分 | 第21-22页 |
| 2.3.2 车辆目标在图像中的位置和大小关系 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 车道线检测和道路区域分割 | 第25-40页 |
| 3.1 车道线边缘前景点提取 | 第26-30页 |
| 3.1.1 Canny边缘检测 | 第26-28页 |
| 3.1.2 引入路面消失点限定前景点范围 | 第28-30页 |
| 3.2 基于Hough变换的车道线提取 | 第30-33页 |
| 3.2.1 Hough变换的基本原理 | 第31-32页 |
| 3.2.2 Hough变换改进 | 第32-33页 |
| 3.3 路面消失点更新 | 第33-37页 |
| 3.3.1 更新路面消失点 | 第34-35页 |
| 3.3.2 消失点约束剔除干扰直线 | 第35页 |
| 3.3.3 确定路面范围 | 第35-37页 |
| 3.4 试验验证 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 车辆候选目标快速定位 | 第40-52页 |
| 4.1 基于车底阴影的车辆目标检测 | 第40-47页 |
| 4.1.1 基于灰度分布图和空间连通的路面子区域划分 | 第41-45页 |
| 4.1.2 车底阴影提取与筛选 | 第45-47页 |
| 4.2 基于边界特征的车辆目标定位 | 第47-51页 |
| 4.2.1 利用车底阴影初始化验证区域 | 第48页 |
| 4.2.2 利用车辆边界改善验证区域 | 第48-51页 |
| 4.3 本章小结 | 第51-52页 |
| 5 基于机器学习和卡尔曼滤波跟踪的车辆识别 | 第52-74页 |
| 5.1 车辆分类器模型训练 | 第52-58页 |
| 5.1.1 HOG特征 | 第52-54页 |
| 5.1.2 SVM理论简介 | 第54-56页 |
| 5.1.3 分类器训练 | 第56-58页 |
| 5.2 基于滑动窗口的车辆检测 | 第58-62页 |
| 5.2.1 滑动窗口遍历的两种方式 | 第58-59页 |
| 5.2.2 基于知识的图像金子塔改进 | 第59-60页 |
| 5.2.3 合并相同目标窗口 | 第60-62页 |
| 5.3 基于卡尔曼滤波的车辆目标跟踪 | 第62-66页 |
| 5.3.1 多目标跟踪的基本理论 | 第62-63页 |
| 5.3.2 卡尔曼滤波基本理论 | 第63-65页 |
| 5.3.3 目标生命周期 | 第65-66页 |
| 5.4 试验验证 | 第66-71页 |
| 5.4.1 车辆识别算法验证结果 | 第66-70页 |
| 5.4.2 目标跟踪算法验证结果 | 第70-71页 |
| 5.5 本章小结 | 第71-74页 |
| 6 总结与展望 | 第74-76页 |
| 6.1 全文总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 附录 | 第82页 |
| A. 作者在攻读学位期间参与的科研项目 | 第82页 |