基于双目视觉和稀疏表示的智能倒车控制研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-24页 |
| 1.1 选题背景和意义 | 第11-12页 |
| 1.2 国内外发展研究现状 | 第12-19页 |
| 1.2.1 倒车安全设备的发展现状 | 第12-14页 |
| 1.2.2 倒车安全技术的研究现状 | 第14-19页 |
| 1.3 机器视觉和稀疏表示的关键技术介绍 | 第19-22页 |
| 1.3.1 机器视觉在倒车环境中的研究介绍 | 第19-20页 |
| 1.3.2 稀疏表示在图像处理中的研究介绍 | 第20-22页 |
| 1.4 本文主要研究内容及结构 | 第22-24页 |
| 第2章 倒车环境双目立体视觉测量 | 第24-37页 |
| 2.1 概述 | 第24页 |
| 2.2 双目标定原理 | 第24-26页 |
| 2.3 目校正和视差获取 | 第26-31页 |
| 2.3.1 双目校正原理 | 第26-28页 |
| 2.3.2 双目视差获取 | 第28-30页 |
| 2.3.3 三角测量原理 | 第30-31页 |
| 2.4 实验数据分析 | 第31-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 双目倒车图像跟踪预处理 | 第37-47页 |
| 3.1 概述 | 第37页 |
| 3.2 膨胀和腐蚀 | 第37-40页 |
| 3.3 双目图像区域标记和分割 | 第40-43页 |
| 3.3.1 二值图像的连通区域标记 | 第40-41页 |
| 3.3.2 基于行程的连通区域标记和分割 | 第41-43页 |
| 3.4 实验数据分析 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 倒车环境双目稀疏表示跟踪和识别算法 | 第47-57页 |
| 4.1 概述 | 第47-48页 |
| 4.2 粒子滤波跟踪框架和模型介绍 | 第48-49页 |
| 4.2.1 粒子滤波跟踪框架介绍 | 第48-49页 |
| 4.2.2 粒子滤波跟踪模型介绍 | 第49页 |
| 4.3 融合粒子滤波的双目稀疏表示跟踪和识别 | 第49-53页 |
| 4.3.1 稀疏表示跟踪算法介绍 | 第50-52页 |
| 4.3.2 稀疏表示识别算法介绍 | 第52-53页 |
| 4.4 实验数据分析 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 倒车控制仿真分析 | 第57-65页 |
| 5.1 概述 | 第57-58页 |
| 5.2 模糊控制 | 第58-60页 |
| 5.3 实验数据分析 | 第60-62页 |
| 5.4 基于多元信息融合的倒车控制 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第6章 结论 | 第65-67页 |
| 6.1 本文工作总结 | 第65页 |
| 6.2 后续工作展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-75页 |
| 附录 | 第75-87页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第87-89页 |
| 索引 | 第89-91页 |
