基于CNN的车辆安全距离感知系统研究与设计
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 引言 | 第11-17页 |
| 1.1 立题及研究背景 | 第11-12页 |
| 1.2 国内外智能车辆研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文的组织与结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 现有车辆安全距离检测方法对比分析 | 第17-21页 |
| 2.1 激光测距 | 第17页 |
| 2.2 超声波测距 | 第17页 |
| 2.3 毫米波雷达测距 | 第17-18页 |
| 2.4 红外线测距 | 第18页 |
| 2.5 机器视觉测距 | 第18-19页 |
| 2.6 神经网络感知距离 | 第19-20页 |
| 2.7 本章小结 | 第20-21页 |
| 第3章 车辆安全距离感知系统总体设计 | 第21-25页 |
| 3.1 整体设计方案 | 第21-24页 |
| 3.2 本章小结 | 第24-25页 |
| 第4章 信息采集及目标检测设计 | 第25-29页 |
| 4.1 信息采集 | 第25-26页 |
| 4.2 目标检测 | 第26-28页 |
| 4.3 本章小结 | 第28-29页 |
| 第5章 图像预处理研究 | 第29-37页 |
| 5.1 灰度变换 | 第29-31页 |
| 5.2 直方图均衡化 | 第31-33页 |
| 5.3 图像去噪 | 第33-36页 |
| 5.4 本章小结 | 第36-37页 |
| 第6章 数据样本设计 | 第37-40页 |
| 6.1 图像分类标记 | 第37-38页 |
| 6.2 数据格式转换 | 第38-39页 |
| 6.3 本章小结 | 第39-40页 |
| 第7章 图像识别模块设计 | 第40-62页 |
| 7.1 构造输入数据 | 第40-41页 |
| 7.2 构建图像识别网络 | 第41-47页 |
| 7.2.1 车辆分类识别网络 | 第41-45页 |
| 7.2.2 车辆安全距离感知网络 | 第45-47页 |
| 7.3 图像识别网络训练 | 第47-60页 |
| 7.3.1 线性回归 | 第47-50页 |
| 7.3.2 卷积过程 | 第50-53页 |
| 7.3.3 非线性变换 | 第53-54页 |
| 7.3.4 图像下采样 | 第54-55页 |
| 7.3.5 过拟合问题 | 第55-56页 |
| 7.3.6 局部响应归一化 | 第56-57页 |
| 7.3.7 正则化 | 第57-58页 |
| 7.3.8 损失函数 | 第58-59页 |
| 7.3.9 前向运算 | 第59-60页 |
| 7.3.10 反向传播 | 第60页 |
| 7.4 测试方法 | 第60-61页 |
| 7.5 本章小结 | 第61-62页 |
| 第8章 测试及分析 | 第62-69页 |
| 8.1 求解参数最优值 | 第62-65页 |
| 8.2 优化设计结构 | 第65-68页 |
| 8.3 本章小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-72页 |
