基于单目视觉的前方车辆检测和测距方法研究
| 学位论文数据集 | 第1-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-15页 |
| 第一章 绪论 | 第15-23页 |
| ·研究背景及意义 | 第15-16页 |
| ·国内外智能车辆研究现状 | 第16-18页 |
| ·国外智能车辆发展现状 | 第17页 |
| ·国内智能车辆发展现状 | 第17-18页 |
| ·智能车辆关键技术 | 第18-19页 |
| ·论文主要工作及章节安排 | 第19-23页 |
| ·论文主要工作 | 第19-20页 |
| ·论文章节安排 | 第20-23页 |
| 第二章 车辆检测和测距算法综述 | 第23-33页 |
| ·道路检测算法研究现状 | 第23-24页 |
| ·车辆检测算法研究现状 | 第24-27页 |
| ·车辆检测算法的组成 | 第24-25页 |
| ·车辆检测方法分类 | 第25-27页 |
| ·测距算法研究现状 | 第27-31页 |
| ·不同传感器测距方法 | 第27-29页 |
| ·摄像机标定方法 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 基于单目视觉的前方车辆检测算法 | 第33-55页 |
| ·本文提出的车辆检测方法 | 第33-42页 |
| ·图像灰度化预处理 | 第33-34页 |
| ·确定兴趣区域（ROI） | 第34-40页 |
| ·初步确定 ROI | 第35-40页 |
| ·进一步精确 ROI | 第40页 |
| ·车辆目标检测 | 第40-42页 |
| ·车轮及阴影检测 | 第40-41页 |
| ·确定假设目标 | 第41-42页 |
| ·验证车辆目标 | 第42页 |
| ·与典型算法比较 | 第42-50页 |
| ·Ying 提出的算法 | 第43-46页 |
| ·算法介绍 | 第43-45页 |
| ·算法实现 | 第45-46页 |
| ·Chong 提出的算法 | 第46-49页 |
| ·算法介绍 | 第46页 |
| ·算法实现 | 第46-49页 |
| ·论文算法与文献算法实验结果对比 | 第49-50页 |
| ·论文检测算法实验结果 | 第50-53页 |
| ·本章小结 | 第53-55页 |
| 第四章 基于单目视觉的前方车辆测距算法 | 第55-73页 |
| ·摄像机成像原理 | 第55-58页 |
| ·坐标系之间的转换 | 第58-59页 |
| ·世界坐标系和摄像机坐标系之间的转换 | 第58-59页 |
| ·摄像机坐标系和图像平面坐标系之间的转换 | 第59页 |
| ·图像平面坐标系和帧存坐标系之间的转换 | 第59页 |
| ·投影模型算法推导 | 第59-64页 |
| ·本文推导方法 | 第60-62页 |
| ·文献[47]推导方法 | 第62-64页 |
| ·本文与文献 [47]测距推导比较 | 第64页 |
| ·摄像机标定 | 第64-67页 |
| ·摄像机标定结合投影模型测距 | 第67-68页 |
| ·本文测距方法 | 第67-68页 |
| ·本文与文献[47]测距结果对比 | 第68页 |
| ·系统设计 | 第68-71页 |
| ·主要设备 | 第68-69页 |
| ·系统总体设计及完成内容 | 第69-71页 |
| ·本章小结 | 第71-73页 |
| 第五章 结论和展望 | 第73-75页 |
| ·结论 | 第73页 |
| ·展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 研究成果及发表的学术论文 | 第81-83页 |
| 作者简介 | 第83-84页 |
| 硕士研究生学位论文答辩委员会决议书 | 第84-85页 |
