基于视觉的智能车辆道路识别与障碍物检测方法研究
摘要 | 第4-6页 |
Abstract | 第6-8页 |
第1章 绪论 | 第15-44页 |
1.1 课题背景及研究意义 | 第15页 |
1.2 基于视觉的道路识别与障碍物检测面临的挑战 | 第15-17页 |
1.3 国内外研究现状与分析 | 第17-41页 |
1.3.1 智能车辆发展现状 | 第18-22页 |
1.3.2 基于视觉的道路识别研究进展 | 第22-32页 |
1.3.3 基于双目视觉的障碍物检测研究进展 | 第32-41页 |
1.4 论文的主要研究内容 | 第41-44页 |
第2章 基于视觉的道路消失点检测 | 第44-64页 |
2.1 引言 | 第44页 |
2.2 道路纹理特征提取 | 第44-47页 |
2.2.1 Gabor滤波器 | 第44-45页 |
2.2.2 纹理主方向计算 | 第45-47页 |
2.3 消失点定位与跟踪 | 第47-51页 |
2.3.1 消失点投票定位 | 第47-48页 |
2.3.2 基于粒子滤波的消失点跟踪算法 | 第48-50页 |
2.3.3 待定消失点分布范围调控 | 第50-51页 |
2.4 GPU并行优化 | 第51-55页 |
2.4.1 CUDA通用并行计算架构简介 | 第51-52页 |
2.4.2 并行优化策略 | 第52-55页 |
2.5 实验结果及分析 | 第55-63页 |
2.5.1 精度比较及分析 | 第56-61页 |
2.5.2 效率比较及分析 | 第61-63页 |
2.6 本章小结 | 第63-64页 |
第3章 基于视觉的道路路面区域分割 | 第64-76页 |
3.1 引言 | 第64-65页 |
3.2 道路模型与贝叶斯估计 | 第65-66页 |
3.3 颜色特征的概率原型 | 第66-69页 |
3.4 视觉特征测量 | 第69-70页 |
3.5 颜色特征的优化加速 | 第70-72页 |
3.5.1 积分图加速技术 | 第70-71页 |
3.5.2 GPU并行加速技术 | 第71-72页 |
3.6 实验结果与分析 | 第72-74页 |
3.7 本章小结 | 第74-76页 |
第4章 双目视觉道路场景三维重建与障碍物检测 | 第76-106页 |
4.1 引言 | 第76-77页 |
4.2 光照不变立体匹配代价计算 | 第77-85页 |
4.2.1 相对梯度简介 | 第77-78页 |
4.2.2 Census变换简介 | 第78-79页 |
4.2.3 相对梯度Census变换 | 第79-80页 |
4.2.4 实验结果与分析 | 第80-85页 |
4.3 快速及内存资源节约型匹配代价聚合算法 | 第85-95页 |
4.3.1 稀疏匹配代价聚合优化策略 | 第86-90页 |
4.3.2 时间与空间复杂度分析 | 第90-91页 |
4.3.3 基于近似测地距离的视差上采样 | 第91-93页 |
4.3.4 实验结果及分析 | 第93-95页 |
4.4 与搜索范围无关的视差求精算法 | 第95-101页 |
4.4.1 算法工作原理 | 第95-98页 |
4.4.2 实验结果及分析 | 第98-101页 |
4.5 基于参考栅格模型的障碍物提取 | 第101-105页 |
4.5.1 工作原理描述 | 第101-103页 |
4.5.2 实验结果及分析 | 第103-105页 |
4.6 本章小结 | 第105-106页 |
第5章 视觉导航算法在轨迹跟踪控制中的应用研究 | 第106-125页 |
5.1 引言 | 第106-107页 |
5.2 视觉环境感知算法的功能 | 第107-108页 |
5.3 基于A*算法的路径规划 | 第108-109页 |
5.4 车辆动力学模型和跟踪误差 | 第109-112页 |
5.4.1 车辆动力学模型 | 第109-110页 |
5.4.2 基于预瞄机制的跟踪误差测量 | 第110-112页 |
5.5 滑模控制器设计 | 第112-118页 |
5.5.1 滑模控制简介 | 第112-113页 |
5.5.2 控制策略 | 第113-118页 |
5.6 实验结果与分析 | 第118-123页 |
5.7 本章小结 | 第123-125页 |
结论 | 第125-127页 |
参考文献 | 第127-141页 |
附录A Wang等人设计的控制律 | 第141-142页 |
附录B Ren等人设计的控制律 | 第142-143页 |
攻读博士学位期间发表的论文及其他成果 | 第143-146页 |
致谢 | 第146-147页 |
个人简历 | 第147页 |