| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 基于机器视觉的障碍物检测 | 第11-12页 |
| 1.2.2 基于毫米波雷达的障碍物检测 | 第12-13页 |
| 1.2.3 基于激光雷达的障碍物检测 | 第13页 |
| 1.2.4 基于红外和超声波的障碍物检测 | 第13-14页 |
| 1.2.5 基于多传感器融合的障碍物检测 | 第14-16页 |
| 1.3 本文的主要内容及章节安排 | 第16-18页 |
| 第二章 基于毫米波雷达的目标检测及跟踪 | 第18-40页 |
| 2.1 毫米波雷达 | 第18-21页 |
| 2.1.1 毫米波雷达工作原理简介 | 第18-19页 |
| 2.1.2 毫米波雷达选型及安装 | 第19-21页 |
| 2.2 毫米波雷达有效目标选取 | 第21-26页 |
| 2.2.1 毫米波雷达数据获取和预处理 | 第21-23页 |
| 2.2.2 毫米波雷达测量数据特点 | 第23-24页 |
| 2.2.3 有效目标初选及验证 | 第24-26页 |
| 2.3 目标跟踪算法 | 第26-32页 |
| 2.3.1 α-β滤波 | 第26-27页 |
| 2.3.2 加权最小二乘滤波 | 第27-28页 |
| 2.3.3 卡尔曼滤波 | 第28页 |
| 2.3.4 基于Sage-Husa自适应卡尔曼滤波的目标跟踪算法设计 | 第28-32页 |
| 2.4 实验验证 | 第32-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第三章 毫米波雷达与机器视觉融合模型研究 | 第40-56页 |
| 3.1 空间融合模型 | 第40-47页 |
| 3.1.1 雷达坐标系与三维世界坐标系 | 第41-42页 |
| 3.1.2 摄像机坐标系与图像坐标系 | 第42-43页 |
| 3.1.3 世界坐标系与摄像机坐标系 | 第43-45页 |
| 3.1.4 摄像机畸变原理研究 | 第45-47页 |
| 3.2 时间融合模型 | 第47-49页 |
| 3.3 实验验证 | 第49-54页 |
| 3.3.1 基于张正友标定法的摄像机标定 | 第49-52页 |
| 3.3.2 融合模型实验 | 第52-54页 |
| 3.4 本章小结 | 第54-56页 |
| 第四章 基于信息融合的目标检测及初步识别 | 第56-73页 |
| 4.1 常见的运动目标检测方法 | 第56-57页 |
| 4.2 基于帧间差分法的运动目标检测 | 第57-65页 |
| 4.2.1 图像预处理 | 第57-64页 |
| 4.2.2 运动目标感兴趣区域提取 | 第64-65页 |
| 4.3 毫米波雷达目标感兴趣区域动态规划 | 第65-66页 |
| 4.4 基于毫米波雷达与机器视觉信息融合的目标初步识别 | 第66-71页 |
| 4.4.1 目标一致性检测及重合度计算 | 第66-67页 |
| 4.4.2 目标初步识别 | 第67-71页 |
| 4.5 实验验证 | 第71-72页 |
| 4.6 本章小结 | 第72-73页 |
| 第五章 有轨电车运行环境中的障碍物检测系统设计与实施 | 第73-84页 |
| 5.1 有轨电车轨道区域提取 | 第73-74页 |
| 5.2 基于轨道区域的毫米波雷达目标筛选 | 第74-75页 |
| 5.3 系统硬件组成 | 第75-76页 |
| 5.4 系统软件设计 | 第76-79页 |
| 5.5 实验验证 | 第79-83页 |
| 5.6 本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-87页 |
| 6.1 全文总结 | 第84-85页 |
| 6.2 不足与展望 | 第85-87页 |
| 参考文献 | 第87-92页 |
| 攻读硕士学位期间发表的论文 | 第92-93页 |
| 致谢 | 第93-94页 |
