基于双目视觉的倒车障碍物检测及预警方法研究
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-27页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 国内外研究发展现状 | 第9-15页 |
| 1.2.1 汽车倒车辅助系统的国内外研究概况 | 第10-11页 |
| 1.2.2 汽车倒车智能辅助系统的国内外研究概况 | 第11-15页 |
| 1.3 双目立体视觉 | 第15-23页 |
| 1.3.1 双目立体视觉概述 | 第16-18页 |
| 1.3.2 双目立体视觉的视差图 | 第18-20页 |
| 1.3.3 双目立体视觉的标定 | 第20-23页 |
| 1.4 课题研究内容及目标 | 第23-24页 |
| 1.5 论文组织结构 | 第24-27页 |
| 2 双目摄像头标定 | 第27-37页 |
| 2.1 双目设备及环境 | 第27-28页 |
| 2.2 摄像机参数Bf标定 | 第28-33页 |
| 2.2.1 摄像机内参标定法 | 第28-31页 |
| 2.2.2 Bf组合标定法 | 第31-33页 |
| 2.3 最低障碍物像素高度标定 | 第33-35页 |
| 2.4 双目图像的最大视差值和分级预警标线的标定 | 第35-37页 |
| 3. 双目视差图获取 | 第37-55页 |
| 3.1 路面去除 | 第37-41页 |
| 3.1.1 标记路面小块区域 | 第38-39页 |
| 3.1.2 基于区域生长的路面去除 | 第39-40页 |
| 3.1.3 疑似障碍物轮廓提取 | 第40-41页 |
| 3.2 基于障碍物的左目图的精确裁剪 | 第41-45页 |
| 3.2.1 角点匹配获取精确裁剪量 | 第42-43页 |
| 3.2.2 反向轮廓模板匹配获取精确裁剪量 | 第43-44页 |
| 3.2.3 实验结果分析 | 第44-45页 |
| 3.3 基于左目图的视差图获取 | 第45-53页 |
| 3.3.1 左目图不裁剪的匹配 | 第45-50页 |
| 3.3.2 左目图裁剪最大视差值后的匹配 | 第50-52页 |
| 3.3.3 左目图裁剪精确裁剪量的匹配 | 第52-53页 |
| 3.4 本章小结 | 第53-55页 |
| 4. 双目图像拼接及障碍物检测 | 第55-63页 |
| 4.1 左右目图像融合拼接 | 第55-56页 |
| 4.1.1 基于视差图的右目图拼接量 | 第55页 |
| 4.1.2 基于右目图拼接量的融合拼接 | 第55-56页 |
| 4.2 疑似障碍物检测 | 第56-62页 |
| 4.2.1 基于视差图的障碍物分割 | 第57-61页 |
| 4.2.2 基于对象的障碍物检测 | 第61-62页 |
| 4.2.3 实验结果分析 | 第62页 |
| 4.3 本章小结 | 第62-63页 |
| 5. 障碍物预警 | 第63-67页 |
| 5.1 疑似障碍物中筛选障碍物 | 第63页 |
| 5.2 障碍物距离计算 | 第63页 |
| 5.3 障碍物及其距离可视化以及分级预警 | 第63-64页 |
| 5.4 测距系统精度分析 | 第64-67页 |
| 6. 基于双目视觉的倒车障碍物检测及预警软件系统 | 第67-71页 |
| 6.1 视频应用界面 | 第67页 |
| 6.2 双目摄像头标定界面 | 第67-69页 |
| 6.3 静态图像分析界面 | 第69-71页 |
| 7. 总结 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 在校习期间所发表的论文、专利、获奖及社会评价等 | 第79页 |
