| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-14页 |
| 1.2.1 车辆检测方法研究现状及分析 | 第12-13页 |
| 1.2.2 车辆测距方法研究现状及分析 | 第13-14页 |
| 1.3 论文研究的目的 | 第14-15页 |
| 1.4 论文的主要工作及组织结构 | 第15-16页 |
| 第二章 双目立体视觉相关理论与技术 | 第16-32页 |
| 2.1 立体视觉处理技术 | 第16-27页 |
| 2.1.1 双目立体视觉测量原理 | 第16-17页 |
| 2.1.2 双目相机标定 | 第17-26页 |
| 2.1.3 图像校正 | 第26-27页 |
| 2.2 目相机标定及图像校正实验 | 第27-30页 |
| 2.2.1 双目相机标定实验 | 第27-29页 |
| 2.2.2 图像校正实验 | 第29-30页 |
| 2.3 本章小结 | 第30-32页 |
| 第三章 基于机器学习与先验知识相结合的前方车辆检测 | 第32-48页 |
| 3.1 前方车辆检测的图像预处理 | 第32页 |
| 3.2 基于机器学习的前方车辆检测方法 | 第32-40页 |
| 3.2.1 MB-LBP特征 | 第33-35页 |
| 3.2.2 Adaboost算法 | 第35-36页 |
| 3.2.3 弱分类器构造 | 第36-38页 |
| 3.2.4 强分类器级联 | 第38-39页 |
| 3.2.5 级联分类器 | 第39-40页 |
| 3.3 基于机器学习与先验知识相结合的前方车辆检测 | 第40-44页 |
| 3.3.1 级联分类器训练及候选区域提取 | 第40-42页 |
| 3.3.2 水平边缘检测 | 第42-43页 |
| 3.3.3 灰度特征判别 | 第43-44页 |
| 3.4 实验与结果分析 | 第44-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于车辆矩形框中心点特征匹配的前方车辆测距 | 第48-60页 |
| 4.1 双目立体视觉系统构建 | 第48-51页 |
| 4.2 基于车辆矩形框中心点特征匹配的双目测距方法 | 第51-52页 |
| 4.3 双目立体视觉系统车距测量实验 | 第52-59页 |
| 4.3.1 基线距离的选择 | 第52-53页 |
| 4.3.2 测距实验 | 第53-55页 |
| 4.3.3 实验数据分析 | 第55-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 全文总结 | 第60-61页 |
| 5.2 课题展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 发表论文和参加科研情况 | 第66-68页 |
| 致谢 | 第68页 |
