| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 论文研究背景和意义 | 第12-13页 |
| 1.2 自动紧急刹车系统关键技术研究现状 | 第13-17页 |
| 1.2.1 车道线检测技术研究现状 | 第14-15页 |
| 1.2.2 车辆检测技术研究现状 | 第15-16页 |
| 1.2.3 自动紧急刹车系统控制策略研究现状 | 第16-17页 |
| 1.2.4 目前存在问题 | 第17页 |
| 1.3 课题来源和主要研究内容 | 第17-19页 |
| 第2章 车道线检测 | 第19-29页 |
| 2.1 逆透视变换 | 第19-22页 |
| 2.1.1 逆透视变换原理 | 第19-21页 |
| 2.1.2 用于车道线检测的逆透视标定方法 | 第21-22页 |
| 2.2 颜色空间转换和阈值分割 | 第22-26页 |
| 2.2.1 变换颜色空间 | 第22-24页 |
| 2.2.2 阈值分割 | 第24-26页 |
| 2.3 二次曲线拟合车道线 | 第26-28页 |
| 2.3.1 道路几何模型 | 第26页 |
| 2.3.2 最小二乘法拟合曲线 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于深度学习的车辆检测 | 第29-53页 |
| 3.1 卷积神经网络理论 | 第29-38页 |
| 3.1.1 神经网络结构 | 第29-31页 |
| 3.1.2 卷积层 | 第31-33页 |
| 3.1.3 池化层 | 第33-34页 |
| 3.1.4 激活函数 | 第34-36页 |
| 3.1.5 网络训练 | 第36-38页 |
| 3.2 目标检测原理 | 第38-46页 |
| 3.2.1 基于人工设计特征的方法 | 第38-39页 |
| 3.2.2 基于区域候选和卷积神经网络分类的方法 | 第39-43页 |
| 3.2.3 目标检测转化为回归问题的方法 | 第43-46页 |
| 3.3 深度神经网络训练 | 第46-49页 |
| 3.4 实际道路场景验证 | 第49-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章自动紧急刹车系统控制策略设计 | 第53-67页 |
| 4.1 车辆动力学模型 | 第53-56页 |
| 4.1.1 动力学模型建立 | 第53-56页 |
| 4.1.2 车辆模型和控制系统接口设置 | 第56页 |
| 4.2 上层控制器设计 | 第56-59页 |
| 4.2.1 有限状态机理论 | 第56-57页 |
| 4.2.2 上层控制器有限状态机建模 | 第57-59页 |
| 4.3 下层控制器设计和验证 | 第59-66页 |
| 4.3.1 信号处理模块 | 第59-60页 |
| 4.3.2 节气门控制和制动压力控制切换逻辑 | 第60-61页 |
| 4.3.3 节气门控制 | 第61-62页 |
| 4.3.4 制动压力控制 | 第62-63页 |
| 4.3.5 PID控制 | 第63-64页 |
| 4.3.6 下层控制器验证 | 第64-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第5章 自动紧急刹车系统控制策略仿真验证 | 第67-84页 |
| 5.1 仿真工况 | 第67-68页 |
| 5.2 典型工况仿真 | 第68-79页 |
| 5.2.1 Euro-NCAP接近静止目标测试工况 | 第68-71页 |
| 5.2.2 Euro-NCAP接近缓速移动目标测试工况 | 第71-72页 |
| 5.2.3 Euro-NCAP接近常规制动目标测试工况 | 第72-74页 |
| 5.2.4 Euro-NCAP接近紧急制动目标测试工况 | 第74-77页 |
| 5.2.5 C-NCAP中接近制动目标工况 | 第77-79页 |
| 5.3 基于事故重建的控制策略仿真验证 | 第79-83页 |
| 5.3.1 事故重建 | 第79-82页 |
| 5.3.2 事故场景下仿真试验 | 第82-83页 |
| 5.4 本章小结 | 第83-84页 |
| 总结与展望 | 第84-86页 |
| 参考文献 | 第86-90页 |
| 攻读硕士学位期间取得的研究成果 | 第90-91页 |
| 致谢 | 第91-92页 |
| 附录 | 第92页 |
