| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 国内外行人检测研究概况 | 第11-16页 |
| 1.2.1 国外行人检测研究概况 | 第11-13页 |
| 1.2.2 国内行人检测研究概况 | 第13-16页 |
| 1.3 行人检测研究的核心问题 | 第16-17页 |
| 1.3.1 传感器应用问题 | 第16页 |
| 1.3.2 算法实时性问题 | 第16页 |
| 1.3.3 检测准确率问题 | 第16-17页 |
| 1.4 课题意义与主要内容 | 第17-19页 |
| 1.4.1 课题意义 | 第17页 |
| 1.4.2 主要研究内容 | 第17-19页 |
| 第二章 传感器联合标定 | 第19-35页 |
| 2.1 引言 | 第19-21页 |
| 2.2 单目摄像头标定 | 第21-25页 |
| 2.2.1 摄像头线性模型 | 第21-24页 |
| 2.2.2 线性模型摄像头标定求解 | 第24-25页 |
| 2.3 摄像头与激光雷达联合标定 | 第25-30页 |
| 2.3.1 传感器数据空间转换 | 第25-27页 |
| 2.3.2 联合标定过程 | 第27-30页 |
| 2.4 摄像头与激光雷达传感器同步 | 第30-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于摄像头与激光雷达的行人检测 | 第35-58页 |
| 3.1 引言 | 第35-37页 |
| 3.2 激光雷达数据层 | 第37-44页 |
| 3.2.1 激光雷达数据聚类 | 第37-41页 |
| 3.2.2 并排行人检测 | 第41-43页 |
| 3.2.3 数据映射 | 第43-44页 |
| 3.3 摄像头数据层 | 第44-52页 |
| 3.3.1 兴趣区域预处理 | 第44-47页 |
| 3.3.2 人体对称度分析 | 第47-49页 |
| 3.3.3 人腿垂直边缘统计 | 第49-50页 |
| 3.3.4 基于 Hausdorff 距离的模板匹配 | 第50-52页 |
| 3.4 行人跟踪研究 | 第52-55页 |
| 3.5 实验结果分析 | 第55-58页 |
| 第四章 基于多车协作的行人检测研究 | 第58-77页 |
| 4.1 引言 | 第58-59页 |
| 4.2 基于GPS 的多车协作行人检测研究 | 第59-68页 |
| 4.2.1 GPS 全球定位系统 | 第59-61页 |
| 4.2.2 定位算法 | 第61-63页 |
| 4.2.3 协作算法 | 第63-65页 |
| 4.2.4 实验结果分析 | 第65-68页 |
| 4.3 基于路口信标的多车协作行人检测研究 | 第68-75页 |
| 4.3.1 基于激光雷达的信标检测 | 第68-69页 |
| 4.3.2 基于ICP 匹配算法的坐标变换 | 第69-73页 |
| 4.3.3 实验结果分析 | 第73-75页 |
| 4.4 本章小结 | 第75-77页 |
| 第五章 面向道路行人安全的辅助检测 | 第77-94页 |
| 5.1 引言 | 第77-78页 |
| 5.2 辅助检测整体规划 | 第78-79页 |
| 5.3 基于视觉的道路停车线/减速带检测 | 第79-87页 |
| 5.3.1 特征边缘检测 | 第79-81页 |
| 5.3.2 基于随机Hough 变换的直线检测 | 第81-84页 |
| 5.3.3 基于几何约束的停车线/减速带检测 | 第84-86页 |
| 5.3.4 实验结果及分析 | 第86-87页 |
| 5.4 基于视觉的道路交通标志检测 | 第87-92页 |
| 5.4.1 基于颜色特征的兴趣区域提取 | 第87-88页 |
| 5.4.2 形态学操作及连同区域分析 | 第88-89页 |
| 5.4.3 基于模板匹配的交通标志检测 | 第89-90页 |
| 5.4.4 实验结果及分析 | 第90-92页 |
| 5.5 本章小结 | 第92-94页 |
| 第六章 总结与展望 | 第94-97页 |
| 6.1 总结 | 第94-95页 |
| 6.2 展望 | 第95-97页 |
| 参考文献 | 第97-101页 |
| 致谢 | 第101-103页 |
| 攻读硕士学位期间发表的论文 | 第103-105页 |