基于机器视觉感知平台的前方车辆检测和测距系统研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 论文的研究背景和意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 驾驶环境的视觉扩展 | 第13页 |
| 1.2.2 驾驶环境的机器视觉识别 | 第13-15页 |
| 1.3 论文研究目的和内容 | 第15-18页 |
| 第二章 机器视觉感知平台的搭建 | 第18-30页 |
| 2.1 机器视觉感知平台中摄像头的布置及功能 | 第18-19页 |
| 2.2 前视摄像头参数匹配 | 第19-21页 |
| 2.2.1 最远前方车辆识别距离计算 | 第19-20页 |
| 2.2.2 前视摄像头焦距计算 | 第20-21页 |
| 2.3 后视摄像头参数匹配 | 第21-27页 |
| 2.3.1 后视镜的视野要求 | 第21-23页 |
| 2.3.2 内视镜视野仿真 | 第23-24页 |
| 2.3.3 外视镜视野仿真 | 第24-26页 |
| 2.3.4 后视摄像头参数确定 | 第26-27页 |
| 2.4 侧视摄像头参数匹配 | 第27-29页 |
| 2.4.1 A柱盲区的确定 | 第27-28页 |
| 2.4.2 侧视摄像头参数确定 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 前方车辆检测算法研究 | 第30-46页 |
| 3.1 引言 | 第30-32页 |
| 3.1.1 车辆识别方法 | 第30-31页 |
| 3.1.2 车辆跟踪方法 | 第31-32页 |
| 3.2 前方车辆识别算法研究 | 第32-41页 |
| 3.2.1 算法结构 | 第32页 |
| 3.2.2 图像预处理 | 第32-33页 |
| 3.2.3 类Haar特征提取 | 第33-37页 |
| 3.2.4 构建弱分类器 | 第37-38页 |
| 3.2.5 构建强分类器 | 第38-39页 |
| 3.2.6 生成级联分类器 | 第39-40页 |
| 3.2.7 在线识别过程 | 第40-41页 |
| 3.3 前方车辆跟踪算法研究 | 第41-44页 |
| 3.3.1 Kalman滤波基本原理 | 第41-43页 |
| 3.3.2 基于Kalman滤波的前方车辆跟踪 | 第43-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 基于单目视觉的前方车辆测距方法研究 | 第46-56页 |
| 4.1 引言 | 第46-47页 |
| 4.2 基于几何模型的前方车辆测距 | 第47-53页 |
| 4.2.1 坐标系及坐标系转换关系 | 第47-48页 |
| 4.2.2 针孔模型 | 第48-49页 |
| 4.2.3 摄像头内参数模型 | 第49-50页 |
| 4.2.4 几何测距模型 | 第50-53页 |
| 4.3 摄像头内参数标定 | 第53-55页 |
| 4.3.1 OpenC V软件介绍 | 第53-54页 |
| 4.3.2 基于OpenC V的摄像头内参数标定 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 系统搭建与实车实验 | 第56-72页 |
| 5.1 系统搭建 | 第56-63页 |
| 5.1.1 硬件选型 | 第56-58页 |
| 5.1.2 软件架构 | 第58-62页 |
| 5.1.3 系统安装 | 第62-63页 |
| 5.2 视野校核 | 第63-66页 |
| 5.2.1 后视摄像头视野校核 | 第63-65页 |
| 5.2.2 侧视摄像头视野校核 | 第65-66页 |
| 5.3 实车实验与结果分析 | 第66-71页 |
| 5.3.1 前视摄像头内参数标定实验 | 第66-68页 |
| 5.3.2 前方车辆检测实验及结果分析 | 第68-70页 |
| 5.3.3 前方车辆测距实验及结果分析 | 第70-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 全文总结 | 第72-73页 |
| 6.2 研究展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间的科研成果 | 第79页 |
