基于视觉与激光信息的固定障碍物检测
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-20页 |
| ·引言 | 第9-10页 |
| ·智能车辆障碍物检测方法简介 | 第10-12页 |
| ·基于视觉传感器的检测方法 | 第10-12页 |
| ·基于非视觉传感器的检测方法 | 第12页 |
| ·多传感器信息融合的检测方法 | 第12页 |
| ·障碍物检测的国内外研究现状 | 第12-18页 |
| ·国外障碍物检测的研究现状 | 第13-15页 |
| ·国内障碍物检测的研究现状 | 第15-18页 |
| ·本文研究目的及主要研究内容 | 第18-20页 |
| ·本文的研究目的和意义 | 第18页 |
| ·本文的假设约束和研究内容 | 第18-20页 |
| 2 多传感器融合系统介绍 | 第20-27页 |
| ·引言 | 第20-21页 |
| ·单目视觉系统介绍 | 第21-22页 |
| ·摄像机镜头的选择 | 第21-22页 |
| ·单目视觉系统的性能特点 | 第22页 |
| ·激光测距仪LMS211介绍 | 第22-24页 |
| ·多传感器融合系统的标定 | 第24-25页 |
| ·多传感器融合系统的障碍物检测方法 | 第25-26页 |
| ·小结 | 第26-27页 |
| 3 基于单目视觉和激光的行人识别 | 第27-52页 |
| ·引言 | 第27页 |
| ·基于单目视觉的行人定位和识别 | 第27-43页 |
| ·图像的预处理 | 第28-29页 |
| ·图像分割(二值化) | 第29-32页 |
| ·二值化图像后处理 | 第32-37页 |
| ·行人的定位和识别 | 第37-41页 |
| ·利用垂直边缘对称性进行行人验证 | 第41-43页 |
| ·基于激光测距仪的行人定位和识别 | 第43-51页 |
| ·激光数据预处理 | 第43-45页 |
| ·激光传感器检测行人的方法 | 第45-51页 |
| ·小结 | 第51-52页 |
| 4 基于单目视觉和激光的车辆识别 | 第52-73页 |
| ·引言 | 第52页 |
| ·基于单目视觉的车辆定位 | 第52-65页 |
| ·高速公路上的大货车定位 | 第52-57页 |
| ·普通轿车的定位 | 第57-62页 |
| ·改进的普通轿车定位 | 第62-65页 |
| ·基于单目视觉的车辆识别 | 第65-69页 |
| ·车辆纹理特征的提取 | 第65-68页 |
| ·车辆对称性特征的提取 | 第68-69页 |
| ·基于激光测距仪的车辆定位和识别 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 5 基于多传感器信息融合的车辆识别 | 第73-91页 |
| ·引言 | 第73-75页 |
| ·信息融合的定义 | 第73页 |
| ·信息融合的技术方法 | 第73-75页 |
| ·基于多传感器信息融合的车辆检测 | 第75-90页 |
| ·获取前方车辆信息 | 第75-76页 |
| ·D-S证据理论介绍 | 第76-80页 |
| ·基于D-S证据理论的车辆识别 | 第80-90页 |
| ·小结 | 第90-91页 |
| 结论 | 第91-93页 |
| 1 主要研究工作的成果 | 第91-92页 |
| 2 论文的不足及对后续工作的展望 | 第92-93页 |
| 参考文献 | 第93-97页 |
| 攻读硕士学位期间发表学术论文情况 | 第97-98页 |
| 致谢 | 第98-99页 |
