车辆行驶中障碍高度视觉测量的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·论文的主要工作 | 第11-13页 |
| 第二章 车辆行驶中道路上障碍图像的处理 | 第13-23页 |
| ·图像的灰度化及直方图 | 第13-14页 |
| ·滤波处理 | 第14-16页 |
| ·中值滤波 | 第14-15页 |
| ·均值滤波 | 第15-16页 |
| ·图像分割 | 第16-22页 |
| ·阈值分割 | 第16-20页 |
| ·边缘检测 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 车辆行驶中道路上障碍的识别 | 第23-34页 |
| ·障碍识别的方法及系统构成 | 第23页 |
| ·障碍识别的种类及识别方法 | 第23-24页 |
| ·特征提取 | 第24页 |
| ·车辆行驶中基于神经网络的障碍识别 | 第24-33页 |
| ·人工神经网络 | 第25页 |
| ·BP神经网络算法 | 第25-28页 |
| ·基于BP神经网络的障碍识别算法 | 第28-30页 |
| ·实验及结果分析 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于视觉测量景物位置的车载摄像机标定 | 第34-47页 |
| ·摄像机透视投影模型 | 第34-37页 |
| ·几种坐标系及它们之间的转换 | 第34-36页 |
| ·摄像机标定的定义 | 第36-37页 |
| ·基于RBF神经网络的摄像机标定 | 第37-42页 |
| ·RBF神经网络的学习算法 | 第37-39页 |
| ·基于RBF神经网络的摄像机标定 | 第39-40页 |
| ·实验结果及分析 | 第40-42页 |
| ·基于双目视觉测量景物位置的车载摄像机标定 | 第42-46页 |
| ·两种双目视觉系统的不同 | 第42-43页 |
| ·基于网格插值法的双目车载摄像机标定模型 | 第43-45页 |
| ·实验结果及分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 一种新的景物高度视觉测量的标定法 | 第47-54页 |
| ·基于视觉测量景物高度的标定 | 第47-50页 |
| ·两种不同几何模型下标定的基本原理 | 第47-49页 |
| ·基于插值法和最小二乘法标定步骤 | 第49-50页 |
| ·建立基于双目视觉测量景物高度的摄像机标定模型 | 第50-52页 |
| ·实验及结果分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 车辆行驶中障碍位置及高度的视觉测量 | 第54-59页 |
| ·车辆行驶中障碍位置的视觉测量 | 第54-56页 |
| ·车辆行驶中障碍位置的视觉测量 | 第54-55页 |
| ·实验及结果分析 | 第55-56页 |
| ·车辆行驶中基于双目视觉测量障碍的高度 | 第56-58页 |
| ·车辆行驶中基于双目视觉障碍高度的测量 | 第56-57页 |
| ·实验结果及误差分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第七章 总结与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 发表论文和参加科研情况说明 | 第63-64页 |
| 致谢 | 第64页 |
