| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第12-25页 |
| 1.1 选题依据与研究意义 | 第12-14页 |
| 1.1.1 研究背景和选题依据 | 第12-13页 |
| 1.1.2 研究目的和实际意义 | 第13-14页 |
| 1.2 汽车机器视觉安全技术国内外研究现状 | 第14-21页 |
| 1.2.1 国外研究现状 | 第14-18页 |
| 1.2.2 国内研究现状 | 第18-20页 |
| 1.2.3 研究现状评述 | 第20-21页 |
| 1.3 研究目标、内容、技术路线与创新点 | 第21-24页 |
| 1.3.1 研究目标 | 第21页 |
| 1.3.2 研究内容 | 第21-22页 |
| 1.3.3 技术路线 | 第22-23页 |
| 1.3.4 研究创新点 | 第23-24页 |
| 1.4 本章小结 | 第24-25页 |
| 第二章 基于多目标特征集合的车辆横向偏航警告技术研究 | 第25-60页 |
| 2.1 道路边缘轮廓信息的深度挖掘 | 第25-36页 |
| 2.1.1 道路图像灰度均衡化增强 | 第25-26页 |
| 2.1.2 快速重组中值滤波平滑抑噪 | 第26-29页 |
| 2.1.3 基于 Scharr 滤波的边缘信息提取 | 第29-32页 |
| 2.1.4 融合道路结构先验知识的感兴趣区域搜索 | 第32-33页 |
| 2.1.5 约束块扫描式最优阈值分割 | 第33-36页 |
| 2.2 基于多目标特征集合的道路标识线定位与线型识别 | 第36-45页 |
| 2.2.1 基于边界约束 Hough 变换的道路标识线定位 | 第36-41页 |
| 2.2.2 融合 HSI 色彩空间分割与动态窗口搜索的线型识别 | 第41-44页 |
| 2.2.3 道路标识线检测实验结果 | 第44-45页 |
| 2.3 基于区域约束粒子滤波的道路标识线跟踪 | 第45-49页 |
| 2.3.1 区域约束粒子滤波跟踪模型的建立 | 第45-48页 |
| 2.3.2 粒子滤波跟踪实验结果 | 第48-49页 |
| 2.4 基于自车位姿与时域危险度的车辆横向偏航警告模型 | 第49-58页 |
| 2.4.1 道路关键信息逆透视投影变换重建 | 第50-52页 |
| 2.4.2 车道平面内自车行驶轨迹预测 | 第52-54页 |
| 2.4.3 车辆横向偏航警告模型的建立 | 第54-58页 |
| 2.5 本章小结 | 第58-60页 |
| 第三章 基于多尺度方向特征的前方车辆图像识别技术研究 | 第60-82页 |
| 3.1 结合灰度特征的前车存在性检测 | 第60-62页 |
| 3.1.1 目标车辆搜索区域的设置 | 第60-61页 |
| 3.1.2 路面像素灰度均值突变分析 | 第61-62页 |
| 3.2 基于多尺度方向特征的前方车辆图像识别 | 第62-72页 |
| 3.2.1 双通道 Gabor 滤波器参数的选择 | 第62-64页 |
| 3.2.2 车辆多尺度方向特征的提取 | 第64-66页 |
| 3.2.3 基于 Adaboost 分类器的特征降维 | 第66-69页 |
| 3.2.4 特征样本的级联分类 | 第69-71页 |
| 3.2.5 车辆训练样本集的建立 | 第71-72页 |
| 3.3 结合对称性特征的前车存在性验证 | 第72-75页 |
| 3.3.1 熵值归一化对称性测度 | 第72-74页 |
| 3.3.2 前方车辆检测实验结果 | 第74-75页 |
| 3.4 基于改进 GM(1, 1)模型的前车跟踪 | 第75-80页 |
| 3.4.1 改进 GM(1, 1)跟踪模型的建立 | 第75-78页 |
| 3.4.2 目标车辆跟踪实验结果 | 第78-80页 |
| 3.5 本章小结 | 第80-82页 |
| 第四章 基于人-车-路多源信息融合的安全车距预警技术研究 | 第82-113页 |
| 4.1 基于车道平面约束的单目视觉纵向车距测量模型 | 第82-88页 |
| 4.1.1 基于车道平面约束的纵向车距测量模型 | 第82-86页 |
| 4.1.2 纵向车距测量实验验证 | 第86-88页 |
| 4.2 CCD 视觉传感器测距参数的标定 | 第88-96页 |
| 4.2.1 单应性矩阵内参的求解 | 第88-91页 |
| 4.2.2 结合车道消失线的外参标定 | 第91-92页 |
| 4.2.3 径向及切向畸变参数的标定 | 第92-93页 |
| 4.2.4 测距参数标定实验结果 | 第93-96页 |
| 4.3 基于人-车-路多源信息融合的安全车距模型 | 第96-106页 |
| 4.3.1 驾驶人认知响应特征信息的获取 | 第97-98页 |
| 4.3.2 车辆响应与道路环境信息的确定 | 第98-100页 |
| 4.3.3 前车及自车行驶状态信息的估计 | 第100页 |
| 4.3.4 安全车距模型的建立 | 第100-106页 |
| 4.4 群智能体协作的安全车距预警模型 | 第106-111页 |
| 4.4.1 群智能体协作体系的建立 | 第106-109页 |
| 4.4.2 基于模糊积分与模糊测度的预警决策 | 第109-111页 |
| 4.5 本章小结 | 第111-113页 |
| 第五章 客运车辆危险行驶状态机器视觉辨识系统设计 | 第113-124页 |
| 5.1 系统的主要硬件构成 | 第113-116页 |
| 5.1.1 车载 CCD 视觉传感器 | 第113-114页 |
| 5.1.2 双核 ADSP-BF561 数字图像处理平台 | 第114-115页 |
| 5.1.3 车辆行驶参数信号采集模块 | 第115-116页 |
| 5.2 系统的总体功能设计 | 第116-121页 |
| 5.2.1 双核并行图像处理功能设计 | 第116-118页 |
| 5.2.2 图像信息的采集与输出设计 | 第118-119页 |
| 5.2.3 违章图像数据压缩存储设计 | 第119-121页 |
| 5.3 图像处理内存使用优化 | 第121-123页 |
| 5.3.1 图像处理内存调用分配优化 | 第121-122页 |
| 5.3.2 图像数据移动乒乓缓冲优化 | 第122-123页 |
| 5.4 本章小结 | 第123-124页 |
| 总结与展望 | 第124-127页 |
| 参考文献 | 第127-137页 |
| 攻读博士学位期间取得的科研成果 | 第137-139页 |
| 致谢 | 第139页 |
