自主式车辆环境感知技术研究--道路环境理解方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| 1 绪论 | 第12-27页 |
| ·自主式车辆发展概况 | 第12-20页 |
| ·自主式车辆研究背景与意义 | 第12-13页 |
| ·自主式车辆的研究领域与发展过程 | 第13-18页 |
| ·自主式车辆的技术发展 | 第18-20页 |
| ·自主式车辆与环境感知理解技术 | 第20-22页 |
| ·计算机视觉 | 第20-21页 |
| ·道路环境感知理解 | 第21-22页 |
| ·自主式车辆环境感知理解相关研究进展 | 第22-25页 |
| ·道路环境识别与理解的研究进展 | 第22-23页 |
| ·障碍物与车辆检测的研究进展 | 第23-24页 |
| ·行人检测的研究进展 | 第24-25页 |
| ·课题来源 | 第25-26页 |
| ·本文研究内容简介 | 第26-27页 |
| 2 基于Hough空间的道路环境感知研究 | 第27-42页 |
| ·引言 | 第27页 |
| ·消失点的介绍 | 第27-34页 |
| ·摄像机成像模型 | 第28-29页 |
| ·消失点的概念与特性 | 第29-30页 |
| ·消失点的估计方法与应用 | 第30-34页 |
| ·传统Hough方法 | 第34-36页 |
| ·基于扩散区域的Hough变换方法 | 第36-38页 |
| ·实验及其结果 | 第38-40页 |
| ·本章小结 | 第40-42页 |
| 3 基于形状模糊聚类的环境理解研究 | 第42-61页 |
| ·引言 | 第42-43页 |
| ·图像分割的方法 | 第43-50页 |
| ·阈值分割方法 | 第44-45页 |
| ·基于边缘分割 | 第45-48页 |
| ·区域分割方法 | 第48-50页 |
| ·传统模糊聚类方法 | 第50-55页 |
| ·模糊C均值聚类算法(FCM) | 第51-52页 |
| ·结合空间特征的模糊聚类算法 | 第52-55页 |
| ·基于形状模型的模糊聚类算法(SMFCM) | 第55-58页 |
| ·道路形状模型 | 第55-56页 |
| ·SMFCM | 第56-57页 |
| ·道路色彩特征知识 | 第57-58页 |
| ·实验及其结果 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 4 基于粒子群的道路环境理解 | 第61-80页 |
| ·引言 | 第61页 |
| ·优化算法 | 第61-71页 |
| ·传统优化算法 | 第62-66页 |
| ·现代智能优化算法 | 第66-71页 |
| ·道路的直线变形模型 | 第71-74页 |
| ·道路边缘模型 | 第71-73页 |
| ·最大后验概率估计 | 第73-74页 |
| ·基于粒子群的优化算法 | 第74-76页 |
| ·粒子群优化算法 | 第74-75页 |
| ·基于粒子群优化算法的道路识别 | 第75-76页 |
| ·实验及其结果 | 第76-78页 |
| ·本章小结 | 第78-80页 |
| 5 基于动态模型的道路检测与跟踪 | 第80-100页 |
| ·引言 | 第80-81页 |
| ·运动分析方法 | 第81-87页 |
| ·差分的运动分析方法 | 第81-82页 |
| ·光流法 | 第82-84页 |
| ·基于匹配的方法 | 第84-85页 |
| ·Mean-Shift算法 | 第85-87页 |
| ·卡尔曼滤波方法 | 第87-90页 |
| ·卡尔曼滤波算法的基本原理 | 第88页 |
| ·卡尔曼滤波算法的数学模型 | 第88-90页 |
| ·基于动态模型的道路理解方法 | 第90-96页 |
| ·粒子滤波算法 | 第90-93页 |
| ·道路模型与模型匹配的似然概率 | 第93-94页 |
| ·观测环境建模 | 第94-95页 |
| ·车辆运动动态模型 | 第95-96页 |
| ·粒子滤波跟踪过程 | 第96页 |
| ·实验及其结果 | 第96-99页 |
| ·本章小结 | 第99-100页 |
| 6 总结与展望 | 第100-102页 |
| 致谢 | 第102-103页 |
| 参考文献 | 第103-113页 |
| 附录 | 第113页 |
