基于双目视觉的驾驶员视线估计关键技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 论文的主要研究内容 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 双目视觉系统构建与标定 | 第16-39页 |
| 2.1 双目视觉工作流程 | 第16页 |
| 2.2 目视觉硬件平台 | 第16-18页 |
| 2.3 摄像机成像模型 | 第18-21页 |
| 2.3.1 单个摄像机线性变换成像模型 | 第18-20页 |
| 2.3.2 目视觉线性变换成像模型 | 第20-21页 |
| 2.4 摄像机标定方法分类 | 第21-23页 |
| 2.4.1 传统摄像机标定方法 | 第21-22页 |
| 2.4.2 摄像机自标定方法 | 第22-23页 |
| 2.4.3 基于主动视觉的摄像机标定方法 | 第23页 |
| 2.5 传统摄像机标定算法分析 | 第23-26页 |
| 2.5.1 基于最小二乘法的离线标定法 | 第23-24页 |
| 2.5.2 张正友标定法 | 第24-26页 |
| 2.6 传统摄像机标定过程 | 第26-38页 |
| 2.6.1 基于三维标定板的摄像机标定方法 | 第26-31页 |
| 2.6.2 基于二维标定板的摄像机标定方法 | 第31-37页 |
| 2.6.3 两种标定方法优缺点比较 | 第37-38页 |
| 2.7 本章小结 | 第38-39页 |
| 3 驾驶员眼睛特征提取 | 第39-58页 |
| 3.1 图像预处理 | 第39-43页 |
| 3.1.1 图像平滑处理方法比较 | 第39-40页 |
| 3.1.2 高斯模糊法 | 第40-41页 |
| 3.1.3 图像平滑处理效果 | 第41-43页 |
| 3.2 人脸及眼睛区域定位及识别 | 第43-49页 |
| 3.2.1 Adaboost算法 | 第43-45页 |
| 3.2.2 Haar分类器 | 第45-47页 |
| 3.2.3 特征区域定位及识别 | 第47-49页 |
| 3.3 眼睛瞳孔定位 | 第49-55页 |
| 3.3.1 眼睛区域二值化 | 第49页 |
| 3.3.2 形态学处理 | 第49-52页 |
| 3.3.3 基于椭圆拟合的瞳孔检测 | 第52-55页 |
| 3.4 眼睛光斑检测 | 第55-57页 |
| 3.5 本章小结 | 第57-58页 |
| 4 驾驶员视线方向估计 | 第58-76页 |
| 4.1 立体匹配 | 第58-69页 |
| 4.1.1 极线约束 | 第58-62页 |
| 4.1.2 立体匹配算法分类 | 第62页 |
| 4.1.3 三种立体匹配算法 | 第62-69页 |
| 4.2 空间点三维重建 | 第69页 |
| 4.3 驾驶员三维视线方向估计 | 第69-75页 |
| 4.4 本章小结 | 第75-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表学术论文情况 | 第82-83页 |
| 致谢 | 第83-84页 |
