面向智能车辆的道路环境理解技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-12页 |
| 1.绪论 | 第12-29页 |
| ·研究背景 | 第12-22页 |
| ·智能车辆的研究进展 | 第12-18页 |
| ·智能车辆的关键技术 | 第18-19页 |
| ·道路环境理解的基本概念 | 第19-22页 |
| ·道路检测与识别的研究进展 | 第22-23页 |
| ·基于边缘的方法 | 第23页 |
| ·基于区域特征的方法 | 第23页 |
| ·道路上车辆检测的研究进展 | 第23-25页 |
| ·基于知识的方法 | 第24页 |
| ·基于光流的方法 | 第24页 |
| ·基于立体视觉的方法 | 第24-25页 |
| ·越野地形分析的研究进展 | 第25-26页 |
| ·基于代数分析的方法 | 第25页 |
| ·基于规则推理的方法 | 第25-26页 |
| ·课题来源 | 第26页 |
| ·本文的主要工作及创新点 | 第26-29页 |
| ·本文的主要工作 | 第26-27页 |
| ·本文的创新点 | 第27-29页 |
| 2.道路图像消失点的快速估计和跟踪 | 第29-52页 |
| ·引言 | 第29-30页 |
| ·消失点的定义、数学模型和性质 | 第30-34页 |
| ·消失点的定义 | 第30-31页 |
| ·针孔成像模型 | 第31-32页 |
| ·消失点的数学模型 | 第32-33页 |
| ·消失点的性质 | 第33-34页 |
| ·消失点的估计方法 | 第34-36页 |
| ·高斯球映射 | 第34-35页 |
| ·级联Hough变换 | 第35-36页 |
| ·Gabor+Voting两步法 | 第36页 |
| ·道路图像中消失点的估计与跟踪方法 | 第36-45页 |
| ·道路图像直线特征提取 | 第37-39页 |
| ·Hough空间中消失点的估计 | 第39-41页 |
| ·道路图像消失方向的估计 | 第41-43页 |
| ·道路图像消失点的估计和跟踪 | 第43-45页 |
| ·实验与算法分析 | 第45-51页 |
| ·算法流程 | 第45-46页 |
| ·各种道路环境的实验 | 第46-48页 |
| ·算法性能分析 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 3.HOUGH空间中道路环境的视觉感知 | 第52-71页 |
| ·引言 | 第52-53页 |
| ·道路环境在HOUGH空间中的组织形态 | 第53-54页 |
| ·道路的边沿和行道线检测 | 第54-58页 |
| ·多行道线检测 | 第55-57页 |
| ·岔道检测与提取 | 第57-58页 |
| ·路面上的车辆检测 | 第58-62页 |
| ·车辆在Hough空间中的特征 | 第58-61页 |
| ·车辆检测的算法流程 | 第61-62页 |
| ·算法的优点和局限性 | 第62页 |
| ·车辆间的相对距离与速度 | 第62-64页 |
| ·估计与前车间的距离 | 第62-64页 |
| ·估计与前车的相对速度 | 第64页 |
| ·实验结果与分析 | 第64-70页 |
| ·行道线识别实验 | 第64-67页 |
| ·岔道检测与提取实验 | 第67页 |
| ·车辆检测实验 | 第67-69页 |
| ·前方车辆测距实验 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 4.基于模糊聚类的非结构化道路图像分割 | 第71-89页 |
| ·引言 | 第71-72页 |
| ·FCM算法和图像中的空间关系 | 第72-75页 |
| ·图像中的空间关系 | 第72-73页 |
| ·FCM算法在图像分割中的应用 | 第73-75页 |
| ·图像中空间关系约束的常用方法 | 第75-77页 |
| ·空间关系模糊规则的约束 | 第75-76页 |
| ·空间关系补偿的目标函数 | 第76页 |
| ·边缘连续性约束的FCM | 第76-77页 |
| ·改进的基于空间关系约束的模糊聚类算法 | 第77-80页 |
| ·空间关系隶属度的定义 | 第78-79页 |
| ·空间关系对像素隶属度的影响 | 第79-80页 |
| ·改进FCM在道路图像分割中的应用 | 第80-86页 |
| ·道路图像的特征空间 | 第80-81页 |
| ·道路图像的分割算法 | 第81-82页 |
| ·聚类中心初始化 | 第82-83页 |
| ·空间关系权重因子的调节 | 第83-84页 |
| ·算法性能对照实验 | 第84-85页 |
| ·系列道路图像实验 | 第85-86页 |
| ·算法性能分析 | 第86-88页 |
| ·改进算法的有效性 | 第86-87页 |
| ·聚类算法的稳定性与效率 | 第87页 |
| ·改进算法的总体性能 | 第87-88页 |
| ·本章小结 | 第88-89页 |
| 5.基于相对特征的越野地形分析 | 第89-110页 |
| ·引言 | 第89-91页 |
| ·越野导航研究的概况 | 第89-90页 |
| ·越野导航存在的困难 | 第90-91页 |
| ·越野地形的描述与分析方法 | 第91-95页 |
| ·越野地形的描述方式 | 第91-93页 |
| ·基于高程图描述的越野地形的分析 | 第93-95页 |
| ·越野高程地形具有的相对不变性 | 第95-99页 |
| ·高程地形重建的不确定性分析 | 第96页 |
| ·越野地形的关键假设 | 第96-97页 |
| ·越野高程地形的相对不变性 | 第97-99页 |
| ·提取地形的相对不变特征 | 第99-103页 |
| ·提取地形起伏度 | 第99-100页 |
| ·提取地形坡度 | 第100-101页 |
| ·提取地形粗糙度 | 第101-103页 |
| ·基于模糊规则的可通行性评估 | 第103-105页 |
| ·地形特征参数的模糊化 | 第104页 |
| ·基于模糊规则判断地形可通行性 | 第104-105页 |
| ·越野导航实验和分析 | 第105-109页 |
| ·提取地形坡度的实验 | 第106-107页 |
| ·提取起伏度和粗糙度的实验 | 第107页 |
| ·越野地形分析的仿真实验 | 第107-108页 |
| ·越野导航的现场实验 | 第108-109页 |
| ·本章小结 | 第109-110页 |
| 6.融合多传感器的局部地图创建 | 第110-127页 |
| ·引言 | 第110-111页 |
| ·自主车的传感器子系统 | 第111-113页 |
| ·多传感器的数据融合 | 第113-118页 |
| ·多传感器管理 | 第115页 |
| ·数据融合方法 | 第115-118页 |
| ·融合多传感器的地图创建 | 第118-122页 |
| ·道路环境的地图创建 | 第118-122页 |
| ·越野环境的地图创建 | 第122页 |
| ·实验结果和分析 | 第122-126页 |
| ·道路环境的局部地图创建 | 第123-125页 |
| ·越野地形的局部地图创建 | 第125-126页 |
| ·自主车的实验性能 | 第126页 |
| ·本章小结 | 第126-127页 |
| 结束语 | 第127-130页 |
| 参考文献 | 第130-142页 |
| 致谢 | 第142-144页 |
| 附录 | 第144-145页 |
