| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 插图索引 | 第14-16页 |
| 附表索引 | 第16-17页 |
| 第1章 绪论 | 第17-34页 |
| 1.1 研究背景与意义 | 第17-19页 |
| 1.1.1 研究背景 | 第17-18页 |
| 1.1.2 研究意义 | 第18-19页 |
| 1.2 智能车辆技术 | 第19-23页 |
| 1.2.1 发展回顾与研究现状 | 第19-20页 |
| 1.2.2 辅助驾驶系统研究 | 第20-21页 |
| 1.2.3 辅助驾驶关键技术 | 第21-23页 |
| 1.3 视觉环境感知技术 | 第23-29页 |
| 1.3.1 雾霾图像修复 | 第24-25页 |
| 1.3.2 道路检测算法 | 第25-27页 |
| 1.3.3 车辆识别与跟踪 | 第27-29页 |
| 1.4 多车协作技术 | 第29-31页 |
| 1.4.1 车间通信技术 | 第30页 |
| 1.4.2 协作体系结构 | 第30页 |
| 1.4.3 行为协作方法 | 第30-31页 |
| 1.5 本文主要研究内容 | 第31-34页 |
| 1.5.1 课题来源 | 第31页 |
| 1.5.2 主要研究内容 | 第31-34页 |
| 第2章 基于引导滤波的雾霾视频修复方法 | 第34-45页 |
| 2.1 经典图像去雾方法 | 第34-36页 |
| 2.1.1 彩色直方图均衡化 | 第34-35页 |
| 2.1.2 多维 Retinex 理论 | 第35-36页 |
| 2.2 基于引导滤波的视频去雾方法 | 第36-41页 |
| 2.2.1 简化大气衰减模型 | 第36页 |
| 2.2.2 基于暗原色原理的雾气估计 | 第36-37页 |
| 2.2.3 亮度图像引导下的天空亮度估计 | 第37-40页 |
| 2.2.4 修复质量评价与除雾策略 | 第40-41页 |
| 2.3 试验结果与分析 | 第41-44页 |
| 2.3.1 不同算法对比分析 | 第41-42页 |
| 2.3.2 不同能见度下处理结果 | 第42-43页 |
| 2.3.3 算法计算效率分析 | 第43-44页 |
| 2.4 本章小结 | 第44-45页 |
| 第3章 基于不定 Bezier 变形模板的城市道路检测 | 第45-61页 |
| 3.1 城市道路检测问题与方法 | 第45-46页 |
| 3.2 图像透视变换与高斯方向滤波 | 第46-50页 |
| 3.2.1 摄像机成像模型 | 第46-47页 |
| 3.2.2 像平面消失点计算 | 第47-48页 |
| 3.2.3 逆透视变换与感兴趣区域设定 | 第48-49页 |
| 3.2.4 混合高斯方向异性滤波 | 第49-50页 |
| 3.3 基于 Bezier 曲线的不定道路变形模板 | 第50-51页 |
| 3.3.1 Bezier 曲线模型 | 第50-51页 |
| 3.3.2 不定道路变形模板 | 第51页 |
| 3.4 模板参数假设检验 | 第51-54页 |
| 3.4.1 道路可能区域定位 | 第51-52页 |
| 3.4.2 基于改进 RANSAC 算法的假设检验 | 第52-54页 |
| 3.4.3 不定变形模板参数求解 | 第54页 |
| 3.5 模板参数搜索优化 | 第54-56页 |
| 3.5.1 初始解产生 | 第54-55页 |
| 3.5.2 期望区域与解集空间 | 第55页 |
| 3.5.3 区域层次搜索 | 第55-56页 |
| 3.5.4 目标函数与最优解 | 第56页 |
| 3.6 车辆坐标系中道路求解 | 第56-57页 |
| 3.6.1 基于二次曲线的道路模型 | 第56-57页 |
| 3.6.2 道路模型求解方法 | 第57页 |
| 3.7 试验结果与分析 | 第57-59页 |
| 3.7.1 测试环境与主要参数 | 第57-58页 |
| 3.7.2 典型工况测试分析 | 第58-59页 |
| 3.7.3 测试结果统计 | 第59页 |
| 3.8 本章小结 | 第59-61页 |
| 第4章 基于机器学习和粒子滤波的前方车辆识别 | 第61-81页 |
| 4.1 前方车辆识别问题与方法 | 第61-63页 |
| 4.2 路面区域提取方法 | 第63-65页 |
| 4.2.1 路面特征点提取 | 第63-64页 |
| 4.2.2 随机点生长与路面获取 | 第64-65页 |
| 4.3 基于机器学习的车辆分层级联识别 | 第65-72页 |
| 4.3.1 检测级分类器训练 | 第66-68页 |
| 4.3.2 验证级分类器训练 | 第68-71页 |
| 4.3.3 车辆目标识别过程 | 第71-72页 |
| 4.4 基于粒子滤波的多目标跟踪 | 第72-76页 |
| 4.4.1 车辆信任计数器 | 第72-74页 |
| 4.4.2 粒子滤波与目标跟踪 | 第74-76页 |
| 4.5 试验结果与分析 | 第76-79页 |
| 4.5.1 测试环境与样本集 | 第76页 |
| 4.5.2 算法测试与分析 | 第76-79页 |
| 4.5.3 测试结果统计 | 第79页 |
| 4.6 本章小结 | 第79-81页 |
| 第5章 基于时空域投影与运动检测的尾随车辆识别 | 第81-95页 |
| 5.1 尾随车辆识别问题与方法 | 第81-82页 |
| 5.2 基于时空域纵向投影的车辆识别 | 第82-85页 |
| 5.2.1 图像定向滤波与边缘连接 | 第82-83页 |
| 5.2.2 时空域横向边缘滤波与纵向投影 | 第83-84页 |
| 5.2.3 车辆换道判断与识别 | 第84-85页 |
| 5.3 基于相对运动检测的车辆识别 | 第85-89页 |
| 5.3.1 特征角点提取 | 第86页 |
| 5.3.2 尾随车辆光流估计 | 第86-87页 |
| 5.3.3 车辆光流聚类与识别 | 第87-89页 |
| 5.4 识别决策与不确定区域验证 | 第89-90页 |
| 5.5 基于行为的尾随车辆超车检测 | 第90-92页 |
| 5.5.1 车辆换道行为检测 | 第90-91页 |
| 5.5.2 相对距离变化检测 | 第91页 |
| 5.5.3 车辆加速行为检测 | 第91-92页 |
| 5.6 试验结果与分析 | 第92-94页 |
| 5.6.1 试验平台与测试数据 | 第92页 |
| 5.6.2 算法测试与分析 | 第92-93页 |
| 5.6.3 测试结果统计 | 第93-94页 |
| 5.7 本章小结 | 第94-95页 |
| 第6章 车辆先进辅助驾驶技术研究 | 第95-113页 |
| 6.1 先进辅助驾驶系统架构 | 第95-96页 |
| 6.2 车道偏离预警方法 | 第96-98页 |
| 6.2.1 视觉感知与增强 | 第97页 |
| 6.2.2 时空联合预警策略 | 第97-98页 |
| 6.3 雾霾环境下协作超车辅助方法 | 第98-105页 |
| 6.3.1 雾霾下环境感知 | 第99-100页 |
| 6.3.2 超车启动预警 | 第100-102页 |
| 6.3.3 超车过程危险度估计 | 第102-105页 |
| 6.4 试验结果与分析 | 第105-112页 |
| 6.4.1 车道偏离预警结果与分析 | 第105-106页 |
| 6.4.2 协作超车辅助结果与分析 | 第106-112页 |
| 6.5 本章小结 | 第112-113页 |
| 结论 | 第113-115页 |
| 参考文献 | 第115-125页 |
| 致谢 | 第125-126页 |
| 附录 A 攻读学位期间发表的学术论文 | 第126-127页 |
| 附录 B 攻读学位期间参与的科研项目 | 第127页 |
