城市复杂环境下智能车辆视觉感知技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 研究背景和意义 | 第10-13页 |
| 1.1.1 交通事故 | 第10-11页 |
| 1.1.2 社会影响 | 第11页 |
| 1.1.3 国家政策 | 第11-12页 |
| 1.1.4 企业动态 | 第12-13页 |
| 1.2 机器视觉及环境感知算法研究现状 | 第13-19页 |
| 1.2.1 单目相机标定研究现状 | 第14-15页 |
| 1.2.2 车道标志线识别研究现状 | 第15-17页 |
| 1.2.3 车辆、标志牌识别研究现状 | 第17-18页 |
| 1.2.4 多目标跟踪研究现状 | 第18-19页 |
| 1.3 论文研究内容与结构 | 第19-21页 |
| 第二章 单目相机标定及逆透视变换 | 第21-30页 |
| 2.1 相机模型建立 | 第21-22页 |
| 2.2 相机模型求解 | 第22-24页 |
| 2.3 相机逆透视变换建模 | 第24-26页 |
| 2.4 标定与逆透视变换 | 第26-29页 |
| 2.4.1 相机内参数标定实验 | 第26-28页 |
| 2.4.2 相机外参数标定实验 | 第28页 |
| 2.4.3 相机逆透视变换结果 | 第28-29页 |
| 2.5 小结 | 第29-30页 |
| 第三章 基于特征约束的车道线检测算法 | 第30-40页 |
| 3.1 车道线特征分析及约束建模 | 第30-33页 |
| 3.1.1 车道线几何特征约束建模 | 第31-32页 |
| 3.1.2 车道线相对位置特征约束建模 | 第32-33页 |
| 3.2 车道线识别算法 | 第33-38页 |
| 3.2.1 图像预处理 | 第33-34页 |
| 3.2.2 车道线区域筛选与Hough直线检测 | 第34-36页 |
| 3.2.3 车道线K-D树聚类法 | 第36-38页 |
| 3.2.4 车道线最小二乘法拟合 | 第38页 |
| 3.3 单帧图像下车道线检测结果 | 第38-39页 |
| 3.4 小结 | 第39-40页 |
| 第四章 基于网状分类器的车辆及标志牌检测算法 | 第40-51页 |
| 4.1 图像样本与图像特征 | 第41-43页 |
| 4.1.1 HOG特征 | 第41-42页 |
| 4.1.2 彩色直方图特征 | 第42-43页 |
| 4.1.3 训练样本集 | 第43页 |
| 4.2 网状分类器构建 | 第43-48页 |
| 4.2.1 特征密度分布 | 第44-45页 |
| 4.2.2 Cascade分类器 | 第45-47页 |
| 4.2.3 辅助分类器 | 第47页 |
| 4.2.4 网状分类器生成 | 第47-48页 |
| 4.3 多尺度滑动窗口与检测结果 | 第48-50页 |
| 4.4 小结 | 第50-51页 |
| 第五章 基于历史轨迹信息的多目标跟踪算法 | 第51-63页 |
| 5.1 历史短轨迹生成 | 第52-55页 |
| 5.1.1 目标相邻帧间特性分析 | 第52-53页 |
| 5.1.2 帧间目标数据关联与管理 | 第53-54页 |
| 5.1.3 短轨迹关键概念定义 | 第54-55页 |
| 5.2 历史长轨迹生成 | 第55-58页 |
| 5.2.1 短轨迹数据关联与管理 | 第55-56页 |
| 5.2.2 长轨迹可靠性评估 | 第56-57页 |
| 5.2.3 长轨迹更新 | 第57-58页 |
| 5.3 道路实验结果 | 第58-62页 |
| 5.3.1 多目标检测跟踪结果 | 第58-60页 |
| 5.3.2 算法性能评估 | 第60-62页 |
| 5.4 小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 论文工作总结 | 第63页 |
| 6.2 工作展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-76页 |
| 攻读学位期间取得的研究成果 | 第76页 |
