基于机器视觉和毫米波雷达的夜间车辆识别
| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 基于机器视觉的车辆识别 | 第12-14页 |
| 1.2.2 基于毫米波雷达的车辆识别 | 第14-15页 |
| 1.2.3 基于传感器融合的车辆识别 | 第15页 |
| 1.3 论文主要工作和章节安排 | 第15-17页 |
| 第二章 基于机器视觉的夜间车辆识别 | 第17-35页 |
| 2.1 基于尾灯的车辆识别 | 第17-23页 |
| 2.1.1 夜间车辆成像特点 | 第17-18页 |
| 2.1.2 尾灯特征提取 | 第18页 |
| 2.1.3 基于改进Otsu方法的图像分割 | 第18-20页 |
| 2.1.4 疑似尾灯提取 | 第20-21页 |
| 2.1.5 尾灯配对与车辆识别 | 第21-23页 |
| 2.2 基于尾灯的车辆跟踪 | 第23-29页 |
| 2.2.1 粒子滤波算法原理 | 第23-25页 |
| 2.2.2 改进粒子滤波算法的尾灯跟踪 | 第25-27页 |
| 2.2.3 车辆跟踪与位置估计 | 第27-28页 |
| 2.2.4 车辆的识别与跟踪 | 第28-29页 |
| 2.3 实验与结果分析 | 第29-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 基于毫米波雷达的车辆目标初选 | 第35-53页 |
| 3.1 毫米波雷达工作原理 | 第35-39页 |
| 3.2 毫米波雷达选型及性能参数 | 第39-40页 |
| 3.3 毫米波雷达数据接收与解析 | 第40-42页 |
| 3.3.1 雷达数据接收 | 第40-41页 |
| 3.3.2 雷达数据解析 | 第41-42页 |
| 3.4 车辆目标初选 | 第42-46页 |
| 3.4.1 干扰目标删除 | 第42-44页 |
| 3.4.2 选定有效车辆 | 第44-46页 |
| 3.5 车辆目标跟踪 | 第46-50页 |
| 3.6 实验验证 | 第50-52页 |
| 3.7 本章小结 | 第52-53页 |
| 第四章 基于机器视觉和毫米波雷达的联合识别 | 第53-79页 |
| 4.1 视觉传感器选型 | 第53-55页 |
| 4.2 摄像机模型与标定 | 第55-63页 |
| 4.2.1 摄像机模型 | 第55页 |
| 4.2.2 坐标系转换 | 第55-59页 |
| 4.2.3 透镜畸变 | 第59-61页 |
| 4.2.4 摄像机标定 | 第61-63页 |
| 4.3 目标信息融合 | 第63-66页 |
| 4.3.1 空间融合 | 第63-65页 |
| 4.3.2 时间融合 | 第65-66页 |
| 4.4 联合识别方法 | 第66-70页 |
| 4.5 测试系统搭建与试验 | 第70-78页 |
| 4.5.1 测试系统硬件框架 | 第70-72页 |
| 4.5.2 测试系统软件框架 | 第72-73页 |
| 4.5.3 实车试验 | 第73-78页 |
| 4.6 本章小结 | 第78-79页 |
| 第五章 总结与展望 | 第79-81页 |
| 5.1 总结 | 第79页 |
| 5.2 展望 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 发表论文和参加科研情况说明 | 第87-89页 |
| 致谢 | 第89-90页 |
