| 摘要 | 第1-8页 |
| ABSTRACT | 第8-16页 |
| 第一章 绪论 | 第16-40页 |
| ·智能车辆的研究背景与研究意义 | 第16-17页 |
| ·研究背景 | 第16-17页 |
| ·研究意义 | 第17页 |
| ·智能车辆概述 | 第17-22页 |
| ·智能车辆的产生与发展 | 第17-19页 |
| ·智能车辆的研究热点与关键技术 | 第19-22页 |
| ·智能车辆的研究热点 | 第19-20页 |
| ·智能车辆关键技术 | 第20-22页 |
| ·智能车辆与机器视觉 | 第22-30页 |
| ·机器视觉 | 第22-29页 |
| ·目标检测与定位 | 第23-24页 |
| ·目标跟踪 | 第24-28页 |
| ·动态场景理解 | 第28-29页 |
| ·有代表性的基于机器视觉的智能车辆系统 | 第29-30页 |
| ·道路检测相关研究 | 第30-35页 |
| ·基于机器视觉的车道检测 | 第31-34页 |
| ·基于机器视觉的车辆检测 | 第34-35页 |
| ·基于机器视觉的先进辅助驾驶系统(ADAS) | 第35-37页 |
| ·课题来源 | 第35页 |
| ·基于机器视觉的辅助驾驶系统的组成 | 第35-36页 |
| ·基于机器视觉的辅助驾驶系统关键技术及存在的问题 | 第36-37页 |
| ·本文研究内容与结构 | 第37-40页 |
| 第二章 复杂背景下视觉跟踪算法的研究 | 第40-62页 |
| ·视觉跟踪概述 | 第40-47页 |
| ·Bayesian 跟踪 | 第40-44页 |
| ·序贯重要性采样算法 | 第44-47页 |
| ·颜色观测模型 | 第47-49页 |
| ·目标颜色模型 | 第47-48页 |
| ·基于颜色的目标观测模型 | 第48-49页 |
| ·形状观测模型 | 第49-53页 |
| ·基于边缘产生式模型的形状观测模型 | 第49-52页 |
| ·基于图像梯度的形状观测模型 | 第52-53页 |
| ·形状和彩色特征的自适应融合跟踪 | 第53-58页 |
| ·实验结果 | 第58-61页 |
| ·小结 | 第61-62页 |
| 第三章 车道检测与跟踪方法研究 | 第62-92页 |
| ·摄像机标定 | 第63-68页 |
| ·摄像机模型 | 第63-65页 |
| ·摄像机外参数标定 | 第65-67页 |
| ·实验结果 | 第67-68页 |
| ·误差分析 | 第68页 |
| ·车道模型 | 第68-73页 |
| ·世界坐标车道模型 | 第68-70页 |
| ·像素坐标车道模型 | 第70-73页 |
| ·基于MAP估计和PSO的结构化道路检测 | 第73-82页 |
| ·似然函数 | 第73-75页 |
| ·MAP估计 | 第75-76页 |
| ·基于PSO的后验概率函数优化 | 第76-79页 |
| ·粒子群优化算法(PSO:Particle Swarm Optimization) | 第76-78页 |
| ·基于PSO的后验概率函数优化 | 第78-79页 |
| ·车道检测实验 | 第79-82页 |
| ·基于粒子滤波器的车道跟踪 | 第82-90页 |
| ·车道跟踪概述 | 第82-83页 |
| ·基于粒子滤波器的车道跟踪方法 | 第83-87页 |
| ·动态模型 | 第83-84页 |
| ·观测模型 | 第84-85页 |
| ·基于粒子滤波器的车道跟踪 | 第85-87页 |
| ·车道跟踪实验结果 | 第87-90页 |
| ·小结 | 第90-92页 |
| 第四章 车辆检测方法研究 | 第92-110页 |
| ·超车车辆检测方法研究 | 第92-99页 |
| ·基于模型的预测公式推导 | 第93-95页 |
| ·超车车辆检测算法 | 第95-99页 |
| ·超车车辆检测算法试验结果 | 第99页 |
| ·中远距离车辆检测算法研究 | 第99-107页 |
| ·基于阴影特征、纹理特征和对称性特征的中远距离车辆初定位 | 第100-105页 |
| ·基于最大后验概率估计（MAP）的车辆精确定位 | 第105-106页 |
| ·基于单目视觉的目标车辆距离估计 | 第106-107页 |
| ·实验结果 | 第107页 |
| ·小结 | 第107-110页 |
| 第五章 车辆的视觉跟踪 | 第110-124页 |
| ·基于彩色和形状的车辆跟踪方法 | 第110-114页 |
| ·粒子滤波器回顾 | 第110-111页 |
| ·基于多特征融合的车辆跟踪 | 第111-114页 |
| ·实验结果 | 第114页 |
| ·车辆多运动模型跟踪方法 | 第114-118页 |
| ·定性和定量的车辆运动表示 | 第115-116页 |
| ·基于多运动模型的车辆跟踪 | 第116页 |
| ·实验结果 | 第116-118页 |
| ·基于自组织特征映射的车辆行为预测 | 第118-121页 |
| ·SOFM网络方法的基本原理 | 第118页 |
| ·训练数据的获取 | 第118-119页 |
| ·行为模式学习 | 第119-120页 |
| ·车辆行为预测 | 第120-121页 |
| ·实验结果 | 第121页 |
| ·小结 | 第121-124页 |
| 第六章 车道偏离预警方法研究 | 第124-140页 |
| ·车道偏离预警方法回顾 | 第124-128页 |
| ·使用颠簸带的车道偏离预警 | 第124-125页 |
| ·基于TLC的车道偏离警告 | 第125-127页 |
| ·基于驾驶员稳态预瞄的车道偏离警告算法 | 第127-128页 |
| ·现有系统的不足 | 第128页 |
| ·基于虚拟车道边界的车道偏离警告方法 | 第128-135页 |
| ·基于虚拟车道边界的车道偏离警告方法 | 第129-130页 |
| ·驾驶行为分析 | 第130-132页 |
| ·基于模糊推理的虚拟车道宽度决策方法 | 第132-135页 |
| ·实验方法与结果 | 第135-139页 |
| ·实验方法 | 第136-137页 |
| ·实验结果 | 第137-139页 |
| ·小结 | 第139-140页 |
| 第七章 总结与展望 | 第140-144页 |
| ·论文工作回顾 | 第140-142页 |
| ·将来的研究方向 | 第142-144页 |
| 参考文献 | 第144-156页 |
| 致谢 | 第156-158页 |
| 攻读博士学位期间发表和录用的学术论文、申请的发明专利 | 第158-159页 |
