基于双目视觉的道路障碍物识别与检测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 智能车辆路径识别国内外研究现状 | 第11-12页 |
| 1.2.2 双目视觉研究现状 | 第12-13页 |
| 1.2.3 障碍物检测技术的研究现状 | 第13-14页 |
| 1.3 研究内容、方法及论文创新 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 研究方法 | 第15页 |
| 1.3.3 论文创新 | 第15-16页 |
| 第2章 基于双目视觉系统原理与构建 | 第16-22页 |
| 2.1 双目视觉系统基本原理 | 第16-18页 |
| 2.1.1 双目视觉模型 | 第16页 |
| 2.1.2 景深测量原理 | 第16-17页 |
| 2.1.3 实现步骤 | 第17-18页 |
| 2.2 总体设计方案 | 第18页 |
| 2.3 硬件平台 | 第18-20页 |
| 2.3.1 图像传感器的选择 | 第19页 |
| 2.3.2 视觉处理器 | 第19-20页 |
| 2.4 软件平台 | 第20-21页 |
| 2.4.1 开发平台 | 第20页 |
| 2.4.2 图像采集 | 第20页 |
| 2.4.3 图像处理 | 第20-21页 |
| 2.5 设计参数对精度的影响 | 第21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 双目视觉系统标定与校正 | 第22-36页 |
| 3.1 摄影机标定的基本理论 | 第22-27页 |
| 3.1.1 视觉坐标系统 | 第22-24页 |
| 3.1.2 摄像机成像模型 | 第24-26页 |
| 3.1.3 极线几何约束 | 第26-27页 |
| 3.2 摄影机标定方法 | 第27-28页 |
| 3.2.1 传统标定方法 | 第27页 |
| 3.2.2 自标定方法 | 第27-28页 |
| 3.2.3 张正友标定方法 | 第28页 |
| 3.3 双目摄影机成像模型 | 第28页 |
| 3.4 摄影机标定实验 | 第28-33页 |
| 3.4.1 标定设备 | 第28-29页 |
| 3.4.2 标定步骤 | 第29-30页 |
| 3.4.3 标定结果 | 第30-32页 |
| 3.4.4 标定精度分析 | 第32-33页 |
| 3.5 双目校正 | 第33-35页 |
| 3.5.1 基于Bouguet算法的双目校正 | 第33-34页 |
| 3.5.2 校正实验 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 双目视觉系统的算法研究 | 第36-50页 |
| 4.1 算法设计概述 | 第36页 |
| 4.2 图像数字化与预处理 | 第36-37页 |
| 4.3 图像兴趣区域分割 | 第37-40页 |
| 4.3.1 Helmholtz shear算法 | 第38-39页 |
| 4.3.2 立体视差计算及图像兴趣区域分割 | 第39-40页 |
| 4.4 卡尔曼滤波理论以及运动状态估计 | 第40-42页 |
| 4.4.1 卡尔曼滤波理论 | 第40-41页 |
| 4.4.2 离散型卡尔曼滤波基本方程 | 第41-42页 |
| 4.5 障碍物的检测与跟踪 | 第42-48页 |
| 4.5.1 障碍物的检测 | 第43-44页 |
| 4.5.2 障碍物的定位 | 第44-46页 |
| 4.5.3 障碍物的实时跟踪 | 第46-48页 |
| 4.6 本章小结 | 第48-50页 |
| 第5章 双目视觉系统的实现与试验结果 | 第50-59页 |
| 5.1 系统框架图 | 第50页 |
| 5.2 基于视差图的障碍物检测算法 | 第50-52页 |
| 5.3 区域标记 | 第52-53页 |
| 5.3.1 区域标记技术的基本概念 | 第52-53页 |
| 5.3.2 连通准则的选择 | 第53页 |
| 5.4 障碍物三维信息获取 | 第53-54页 |
| 5.5 实验室环境下的仿真 | 第54-57页 |
| 5.5.1 图像预处理部分 | 第54-55页 |
| 5.5.2 图像分割部分 | 第55-57页 |
| 5.6 实际交通环境下障碍物的检测与定位部分 | 第57-58页 |
| 5.7 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
