| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-27页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-22页 |
| 1.2.1 载重货车发展现状 | 第12-14页 |
| 1.2.2 基于传感器的倒车主动控制技术研究进展 | 第14-19页 |
| 1.2.3 载重货车右转弯盲区碰撞预警方法研究现状 | 第19-22页 |
| 1.3 鱼眼视觉与视频目标检测跟踪关键技术介绍 | 第22-25页 |
| 1.3.1 鱼眼视觉在倒车环境中的研究介绍 | 第22-23页 |
| 1.3.2 视频目标检测跟踪技术介绍 | 第23-25页 |
| 1.4 本文主要研究内容及章节安排 | 第25-27页 |
| 第2章 鱼眼视觉图像预处理 | 第27-41页 |
| 2.1 概述 | 第27-28页 |
| 2.2 鱼眼镜头视觉成像模型 | 第28-32页 |
| 2.2.1 成像原理 | 第28-29页 |
| 2.2.2 成像模型 | 第29-31页 |
| 2.2.3 几何模型 | 第31-32页 |
| 2.3 基于椭圆的鱼眼镜头标定方法 | 第32-37页 |
| 2.3.1 传统摄像头标定方法 | 第32-34页 |
| 2.3.2 基于椭圆的鱼眼镜头标定方法 | 第34-36页 |
| 2.3.3 标定结果分析 | 第36-37页 |
| 2.4 鱼眼图像校正方法 | 第37-40页 |
| 2.4.1 鱼眼图像有效区域提取 | 第37-38页 |
| 2.4.2 基于经度坐标校正方法 | 第38-39页 |
| 2.4.3 实验结果及分析 | 第39-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第3章 基于改进CMT算法的行人跟踪研究 | 第41-52页 |
| 3.1 概述 | 第41页 |
| 3.2 鱼眼图像中行人检测识别算法研究 | 第41-46页 |
| 3.2.1 基于HOG的行人特征提取 | 第41-42页 |
| 3.2.2 基于SVM分类器的行人识别 | 第42-44页 |
| 3.2.3 实验结果分析 | 第44-46页 |
| 3.3 基于改进的CMT跟踪算法的障碍物实时跟踪 | 第46-50页 |
| 3.3.1 CMT跟踪算法介绍 | 第46-49页 |
| 3.3.2 CMT跟踪算法跟踪效果 | 第49-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第4章 载重货车右转弯盲区障碍物碰撞预警方法 | 第52-63页 |
| 4.1 概述 | 第52页 |
| 4.2 内轮差与右侧盲区 | 第52-54页 |
| 4.2.1 内轮差 | 第52-53页 |
| 4.2.2 右侧盲区 | 第53-54页 |
| 4.3 内轮差盲区环境感知 | 第54-56页 |
| 4.3.1 环境感知平台 | 第54-55页 |
| 4.3.2 感知实验及结果分析 | 第55-56页 |
| 4.4 车辆右侧盲区目标的识别与跟踪方法 | 第56-61页 |
| 4.4.1 粒子滤波跟踪框架 | 第56-57页 |
| 4.4.2 低秩表示算法介绍 | 第57-58页 |
| 4.4.3 融合低秩表示和粒子滤波的目标跟踪 | 第58-59页 |
| 4.4.4 目标跟踪实验仿真与分析 | 第59-61页 |
| 4.5 右转弯碰撞预警方法 | 第61-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第5章 载重货车倒车控制仿真分析 | 第63-68页 |
| 5.1 概述 | 第63页 |
| 5.2 载重货车倒车速度控制方法 | 第63-65页 |
| 5.3 实验仿真与数据分析 | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士期间发表的论文及科研成果 | 第77-78页 |