基于视觉的车辆后方障碍物检测算法研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题背景 | 第9-13页 |
| ·应用需求 | 第9-11页 |
| ·智能停车辅助系统(PAS) | 第11-12页 |
| ·基于视觉的车辆后方障碍物检测 | 第12-13页 |
| ·国内外研究现状及发展动态 | 第13-15页 |
| ·研究意义 | 第15页 |
| ·本文的主要工作 | 第15-17页 |
| ·研究内容 | 第15页 |
| ·本文的组织 | 第15-17页 |
| 第二章 相关技术简介 | 第17-27页 |
| ·对象识别技术 | 第17-19页 |
| ·图像处理 | 第17页 |
| ·模式识别 | 第17-18页 |
| ·计算机视觉在对象识别中的应用 | 第18-19页 |
| ·运动估计 | 第19-20页 |
| ·运动模式 | 第19-20页 |
| ·运动估计基本原理 | 第20页 |
| ·嵌入式技术 | 第20-26页 |
| ·Windows CE介绍 | 第21-22页 |
| ·ARM微处理器介绍 | 第22-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 算法分析与设计 | 第27-45页 |
| ·应用背景分析 | 第27页 |
| ·基于单目视觉的障碍物检测方法 | 第27-30页 |
| ·基于特征的方法 | 第27-28页 |
| ·基于光流的方法 | 第28-30页 |
| ·基于直接方法运动估计的障碍物检测原理分析 | 第30-33页 |
| ·逆透视投影算法(IPM) | 第31-33页 |
| ·基于直接方法自运动估计的障碍物检测 | 第33-42页 |
| ·自车运动参数估计 | 第33-40页 |
| ·障碍物检测 | 第40-42页 |
| ·多粒度自适应障碍物检测方法 | 第42-44页 |
| ·自适应障碍物检测 | 第43页 |
| ·多粒度障碍物检测 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 障碍物检测算法的实现与性能优化 | 第45-65页 |
| ·障碍物检测算法实现 | 第45-52页 |
| ·数据接口定义 | 第45页 |
| ·预处理模块 | 第45-48页 |
| ·自车运动参数估计模块 | 第48-50页 |
| ·障碍物检测模块 | 第50-52页 |
| ·系统性能优化 | 第52-64页 |
| ·基于平台的性能优化 | 第53-54页 |
| ·基于算法的性能优化 | 第54-63页 |
| ·性能优化结果分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 算法评估 | 第65-69页 |
| ·测试结果分析 | 第65-67页 |
| ·本章小结 | 第67-69页 |
| 第六章 结束语 | 第69-71页 |
| ·本文工作总结 | 第69页 |
| ·进一步的工作 | 第69-70页 |
| ·展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 论文情况 | 第76页 |
