首页--交通运输论文--公路运输论文--汽车工程论文--汽车结构部件论文--电气设备及附件论文

面向智能车辆的单目视觉行车安全信息检测与识别方法研究

摘要第5-7页
Abstract第7-8页
1 绪论第12-32页
    1.1 课题的研究背景与意义第12-13页
        1.1.1 研究背景第12页
        1.1.2 研究意义第12-13页
    1.2 智能车辆技术的发展现状第13-18页
    1.3 智能车辆行车安全信息检测与识别关键技术概述第18-29页
        1.3.1 基于视觉的道路检测技术第19-20页
        1.3.2 基于视觉的车道线检测技术第20-24页
        1.3.3 基于视觉的车辆检测技术第24-29页
    1.4 本文的内容安排及创新点第29-32页
        1.4.1 本文内容安排第29-30页
        1.4.2 本文主要创新点第30-32页
2 基于车道线增强和视觉显著性模型的车道线检测第32-47页
    2.1 引言第32-33页
    2.2 基于模糊LDA的车道线增强模型第33-34页
    2.3 车道线的亮度对比度显著性模型第34-37页
    2.4 基于车道线增强和视觉显著性模型在车道线检测的应用第37-44页
        2.4.1 道路兴趣区域的提取第38页
        2.4.2 基于亮度和对比度显著性模型的车道线检测第38-39页
        2.4.3 基于模糊LDA的车道线增强与提取第39-41页
        2.4.4 车道线描述第41-42页
        2.4.5 基于逆透视变换的车道线验证第42-44页
    2.5 实验结果及分析第44-46页
    2.6 本章小结第46-47页
3 基于稀疏表示与方差鉴别性模型的道路检测第47-59页
    3.1 引言第47-48页
    3.2 基于稀疏表示的形状先验提取第48-49页
        3.2.1 稀疏表示第48页
        3.2.2 基于稀疏表示的道路形状先验提取第48-49页
    3.3 基于方差鉴别性模型的高鉴别性灰度通道选择第49-51页
    3.4 稀疏表示与方差鉴别性模型应用于道路检测第51-53页
        3.4.1 道路兴趣区域设定与特征描述第51-52页
        3.4.2 基于稀疏表示和方差鉴别性模型的道路分割第52-53页
    3.5 实验结果与分析第53-58页
        3.5.1 道路先验提取结果第54页
        3.5.2 道路检测结果第54-58页
    3.6 本章小结第58-59页
4 基于PCA-SOM-Net的盲区车辆检测第59-81页
    4.1 引言第59-60页
    4.2 深度学习概述第60-63页
        4.2.1 主流的深度学习模型第60-62页
        4.2.2 深度学习在检测与识别中应用第62-63页
    4.3 PCANet模型第63-64页
    4.4 PCANet模型的优缺点分析第64-65页
    4.5 PCA-SOM-Net模型第65-67页
    4.6 基于PCA-SOM-Net模型的盲区车辆检测第67-76页
        4.6.1 图像中盲区的界定第68-70页
        4.6.2 基于路面灰度统计的可疑区域提取第70-72页
        4.6.3 基于多特征验证的可疑区域筛选第72-75页
        4.6.4 基于PCA-SOM-Net的盲区车辆特征表示与识别第75-76页
    4.7 实验结果与分析第76-80页
    4.8 本章小结第80-81页
5 基于单目视觉的车辆防撞预警模型第81-90页
    5.1 引言第81-82页
    5.2 车辆碰撞模型研究第82-84页
        5.2.1 摄像机目标成像第82-83页
        5.2.2 车辆碰撞时间估算第83-84页
    5.3 基于多帧的碰撞时间估计第84-86页
        5.3.1 车辆碰撞时间估算第85-86页
    5.4 实验结果及分析第86-89页
    5.5 本章小结第89-90页
6 智能车辆的行车安全信息检测与识别系统第90-97页
    6.1 引言第90-91页
    6.2 系统设计第91-94页
        6.2.1 行车安全信息检测与识别系统的硬件结构设计第91-92页
        6.2.2 系统功能模块设计第92-94页
    6.3 行车安全信息检测与识别系统的整体性能实验第94-95页
    6.4 本章小结第95-97页
7 总结与展望第97-99页
致谢第99-100页
参考文献第100-116页
附录第116-117页

论文共117页,点击 下载论文
上一篇:虚拟化系统中的软件自愈相关技术研究
下一篇:Co基催化剂的制备及其催化氧化NO的性能研究