| 第一章 引言 | 第1-14页 |
| 1．1 智能运输系统（Intelligent Transportation System，ITS） | 第7-8页 |
| 1．2 智能车辆技术 | 第8-10页 |
| 1．3 视觉导航的一般系统结构 | 第10-12页 |
| 1．4 运动目标检测与跟踪研究现状 | 第12-14页 |
| 第二章 透视投影 摄象机模型与摄象机定标 | 第14-23页 |
| 2．1 透视投影（Perspective projection） | 第14-17页 |
| 2．1．1 基本变换 | 第14-15页 |
| 2．1．2 透视变换 | 第15-16页 |
| 2．1．3 线性摄象机模型（针孔模型） | 第16-17页 |
| 2．1．4 摄象机投影模型 | 第17页 |
| 2．2 摄像机定标 | 第17-23页 |
| 2．2．1 图象坐标系与投影矩阵 | 第17-19页 |
| 2．2．2 线性模型摄象机定标 | 第19-22页 |
| 2．2．3 非线性模型摄象机定标 | 第22-23页 |
| 第三章 运动目标检测与跟踪 | 第23-38页 |
| 3．1 基于空间时间的4D动态机器视觉方法 | 第23-24页 |
| 3．2 运动目标检测 | 第24-30页 |
| 3．2．1 道路检测 | 第24-27页 |
| 3．2．2 运动目标检测 | 第27-30页 |
| 3．3 运动模型和测量模型 | 第30-38页 |
| 3．3．1 运动模型（状态方程） | 第30-31页 |
| 3．3．2 测量模型（量测方程） | 第31-38页 |
| 第四章 Kalman滤波 | 第38-56页 |
| 4．1 滤波基础理论 | 第38页 |
| 4．2 卡尔曼滤波器的特点 | 第38-39页 |
| 4．3 离散模型卡尔曼滤波基本方程 | 第39-41页 |
| 4．4 连续时间模型和等效离散化 | 第41-45页 |
| 4．5 非线性系统卡尔曼滤波（扩展卡尔曼滤波） | 第45-49页 |
| 4．5．1 围绕标称状态的线性化 | 第46-47页 |
| 4．5．2 围绕最优状态估计的线性化和广义卡尔曼滤波方程 | 第47-49页 |
| 4．6 运动目标跟踪中Kalman滤波的使用 | 第49-51页 |
| 4．6．1 模型参数的计算 | 第49-51页 |
| 4．6．2 状态参数初始值的确定 | 第51页 |
| 4．7 序贯处理 | 第51-53页 |
| 4．8 UDU~T协方差因式分解 | 第53-56页 |
| 4．8．1 滤波发散的原因和抑制 | 第53-54页 |
| 4．8．2 UDU~T协方差因式分解 | 第54-56页 |
| 第五章 实验结果与总结 | 第56-63页 |
| 5．1 实验环境 | 第56-57页 |
| 5．1．1 硬件环境 | 第56-57页 |
| 5．1．2 软件设计 | 第57页 |
| 5．2 实验 | 第57-61页 |
| 5．2．1 模拟实验 | 第57-60页 |
| ·真实环境跟踪实验 | 第60-61页 |
| 5．4 结论 | 第61页 |
| 5．5 目前存在的问题和发展方向 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 附录Ⅰ： 有关量测的雅可比矩阵 | 第66-67页 |
| 附Ⅱ： 符号说明 | 第67-70页 |
| 致谢 | 第70页 |
