基于视觉的车辆防碰撞预警系统算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-19页 |
| 1.1 课题研究意义及背景 | 第9-11页 |
| 1.1.1 研究意义 | 第9-11页 |
| 1.1.2 研究背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 智能车辆关键技术 | 第14-17页 |
| 1.3.1 声学 | 第14-15页 |
| 1.3.2 雷达 | 第15-16页 |
| 1.3.3 磁道钉 | 第16页 |
| 1.3.4 机器视觉 | 第16-17页 |
| 1.4 本文主要内容和章节安排 | 第17-19页 |
| 2 车辆检测与跟踪的图像理论 | 第19-30页 |
| 2.1 车辆检测算法的类型 | 第19-20页 |
| 2.1.1 只包含检测算法的类型 | 第19页 |
| 2.1.2 先检测后跟踪算法的类型 | 第19-20页 |
| 2.2 常见的车辆检测算法 | 第20-22页 |
| 2.2.1 基于特征的方法 | 第20页 |
| 2.2.2 基于机器学习的方法 | 第20-21页 |
| 2.2.3 基于光流的方法 | 第21页 |
| 2.2.4 基于模型的方法 | 第21-22页 |
| 2.3 常见的车辆跟踪算法 | 第22-29页 |
| 2.3.1 基于三维模型的方法 | 第22-23页 |
| 2.3.2 基于Kalman滤波的方法 | 第23-26页 |
| 2.3.3 基于Meanshift的方法 | 第26-28页 |
| 2.3.4 基于区域的方法 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于单目视觉的车辆检测与跟踪算法 | 第30-55页 |
| 3.1 图像灰度化预处理 | 第30-32页 |
| 3.2 路面ROI区域的测定 | 第32-36页 |
| 3.2.1 消失点与天空部分的划定 | 第32-33页 |
| 3.2.2 路面区域的增强 | 第33-36页 |
| 3.3 霍夫变换 | 第36-39页 |
| 3.4 目标车辆检测算法 | 第39-50页 |
| 3.4.1 目标区域阈值分割 | 第39-43页 |
| 3.4.2 目标车辆检测算法 | 第43-47页 |
| 3.4.3 验证目标车辆 | 第47-50页 |
| 3.5 目标车辆跟踪算法 | 第50-54页 |
| 3.5.1 Kalman滤波跟踪算法 | 第50-52页 |
| 3.5.2 Meanshift跟踪算法 | 第52-54页 |
| 3.6 本章小结 | 第54-55页 |
| 4 基于单目视觉的前方车辆测距算法 | 第55-71页 |
| 4.1 摄像机成像原理 | 第55-57页 |
| 4.2 坐标系的定义 | 第57-60页 |
| 4.2.1 世界坐标系 | 第57-58页 |
| 4.2.2 摄像机坐标系 | 第58-59页 |
| 4.2.3 图像平面坐标系 | 第59页 |
| 4.2.4 成像平面坐标系 | 第59-60页 |
| 4.3 摄像机参数标定 | 第60-62页 |
| 4.3.1 常用标定方法 | 第60-61页 |
| 4.3.2 本文的标定方法 | 第61-62页 |
| 4.4 推导测距模型 | 第62-66页 |
| 4.5 构建系统界面 | 第66-69页 |
| 4.6 预警策略的制定 | 第69-70页 |
| 4.7 本章小结 | 第70-71页 |
| 5 结论 | 第71-73页 |
| 5.1 结论 | 第71页 |
| 5.2 展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士期间发表学术论文情况 | 第76-77页 |
| 致谢 | 第77页 |
