基于机器视觉的前碰撞预警系统车辆检测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 先进驾驶辅助系统国内外研究进展和应用现状 | 第15-16页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16页 |
| 1.3 机器视觉车辆检测技术 | 第16-18页 |
| 1.3.1 基于外观的车辆检测方法 | 第17页 |
| 1.3.2 基于运动的车辆检测方法 | 第17-18页 |
| 1.3.3 车辆跟踪检测方法 | 第18页 |
| 1.4 主要研究内容和组织结构 | 第18-20页 |
| 1.4.1 研究的主要内容 | 第18-19页 |
| 1.4.2 组织结构安排 | 第19-20页 |
| 第2章 日间道路前方车辆检测方法研究 | 第20-44页 |
| 2.1 图像预处理 | 第20-24页 |
| 2.1.1 灰度线性变换 | 第20-21页 |
| 2.1.2 灰度幂次变换 | 第21-22页 |
| 2.1.3 直方图均衡化 | 第22-24页 |
| 2.2 产生车辆假设区域 | 第24-35页 |
| 2.2.1 HVAM车辆阴影检测 | 第24-28页 |
| 2.2.2 多尺度扫描线对称区域检测 | 第28-32页 |
| 2.2.3 变步长滑窗法 | 第32-33页 |
| 2.2.4 产生车辆假设试验对比 | 第33-35页 |
| 2.3 车辆假设区域验证 | 第35-41页 |
| 2.3.1 传统HOG特征 | 第35-37页 |
| 2.3.2 级联自适应提升学习分类器 | 第37-39页 |
| 2.3.3 基于改进HOG特征车辆假设区域验证 | 第39-41页 |
| 2.4 日间车辆检测结果分析 | 第41-43页 |
| 2.5 本章小结 | 第43-44页 |
| 第3章 夜间道路前方车辆检测研究 | 第44-54页 |
| 3.1 夜间车辆检测方法概述 | 第44-45页 |
| 3.2 夜间车辆尾灯提取 | 第45-51页 |
| 3.2.1 RGB颜色空间 | 第45-47页 |
| 3.2.2 Lab颜色空间 | 第47-48页 |
| 3.2.3 HSV颜色空间 | 第48-51页 |
| 3.3 车辆尾灯筛选关联 | 第51-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第4章 车辆跟踪检测方法研究 | 第54-64页 |
| 4.1 卡尔曼滤波原理 | 第54-56页 |
| 4.2 基于在线学习和卡尔曼滤波的车辆跟踪 | 第56-62页 |
| 4.2.1 卡尔曼滤波车辆跟踪模型 | 第56-58页 |
| 4.2.2 在线学习车辆状态观测 | 第58-60页 |
| 4.2.3 基于航迹推算的多车辆目标跟踪实现 | 第60-62页 |
| 4.3 跟踪结果分析 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 前车运动参数提取及行为分析 | 第64-70页 |
| 5.1 前方车距测量 | 第64-67页 |
| 5.2 主车车速和主车与前车相对速度提取 | 第67页 |
| 5.3 前车运动轨迹获取 | 第67-68页 |
| 5.4 道路场景映射 | 第68-69页 |
| 5.5 本章小结 | 第69-70页 |
| 结论与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 附录A 攻读学位期间发表的论文 | 第77页 |
