| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 国外智能车发展现状概述 | 第16-17页 |
| 1.2.2 国内智能车发展现状概述 | 第17-18页 |
| 1.3 国内外多目标跟踪算法研究现状 | 第18-20页 |
| 1.3.1 目标状态估计发展现状 | 第18-19页 |
| 1.3.2 数据关联算法发展现状 | 第19-20页 |
| 1.4 课题来源与本文研究内容 | 第20-22页 |
| 1.4.1 课题来源 | 第20页 |
| 1.4.2 研究内容 | 第20-22页 |
| 第二章 基于毫米波雷达与机器视觉的多目标跟踪系统 | 第22-36页 |
| 2.1 自适应巡航感知系统概述 | 第22-24页 |
| 2.2 雷达目标车辆数据预处理 | 第24-27页 |
| 2.2.1 毫米波雷达的数据解算与处理 | 第24-26页 |
| 2.2.2 空信号目标的去除 | 第26页 |
| 2.2.3 静止目标去除 | 第26-27页 |
| 2.3 毫米波雷达数据与机器视觉数据融合 | 第27-32页 |
| 2.3.1 毫米波雷达与视觉传感器的空间上的融合 | 第28-32页 |
| 2.3.2 毫米波雷达与视觉传感器的时间上的融合 | 第32页 |
| 2.4 多目标跟踪算法 | 第32-35页 |
| 2.4.1 多目标跟踪理论概述 | 第32-33页 |
| 2.4.2 多目标数据关联算法概述 | 第33页 |
| 2.4.3 联合概率数据关联法(JPDA) | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基于Hough变换的车辆目标航迹起始检测算法 | 第36-48页 |
| 3.1 概述 | 第36页 |
| 3.2 基于快速随机Hough变换算法的航迹起始识别 | 第36-41页 |
| 3.2.1 Hough变换基本原理 | 第36-37页 |
| 3.2.2 采样终止规则 | 第37-40页 |
| 3.2.3 快速随机Hough变换算法描述 | 第40-41页 |
| 3.3 仿真分析 | 第41-47页 |
| 3.3.1 航迹起始性能评价指标 | 第41-42页 |
| 3.3.2 快速航迹起始算法仿真分析 | 第42-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于变结构多模型联合概率数据关联算法的目标航迹关联 | 第48-63页 |
| 4.1 概述 | 第48页 |
| 4.2 基于全邻模糊聚类的联合数据关联算法 | 第48-53页 |
| 4.3 变结构多模型多目标跟踪算法 | 第53-59页 |
| 4.3.1 变结构多模型算法原理 | 第54-55页 |
| 4.3.2 变结构多模型算法模型集设计 | 第55-57页 |
| 4.3.3 变结构多模型算法模型集切换规则 | 第57-59页 |
| 4.4 仿真及分析 | 第59-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 试验平台搭建及调试 | 第63-70页 |
| 5.1 试验车感知系统搭建 | 第63-66页 |
| 5.2 实车试验及结果分析 | 第66-69页 |
| 5.3 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 主要研究工作和结论 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第75-76页 |
