| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.2.1 国外相关研究 | 第8-9页 |
| 1.2.2 国内相关研究 | 第9-10页 |
| 1.3 研究意义 | 第10-11页 |
| 1.4 本文主要工作及相关章节安排 | 第11-13页 |
| 第二章 摄像机投影、成像原理及标定方法 | 第13-19页 |
| 2.1 摄像机投影原理 | 第13-14页 |
| 2.2 摄像机光学特性 | 第14-15页 |
| 2.3 摄像机的架设与数据传输 | 第15-17页 |
| 2.3.1 摄像机的架设 | 第15-17页 |
| 2.3.2 视频的传输 | 第17页 |
| 2.4 停车位标定 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 基于直线、角点检测的停车位识别 | 第19-31页 |
| 3.1 停车位的预处理 | 第20-22页 |
| 3.1.1 停车位HSV空间处理 | 第20-21页 |
| 3.1.2 停车位的轮廓提取 | 第21-22页 |
| 3.2 停车位Hough直线检测 | 第22-24页 |
| 3.2.1 Hough直线检测原理 | 第22-23页 |
| 3.2.2 HoughLinesP函数检测直线 | 第23-24页 |
| 3.3 停车位角点检测 | 第24-28页 |
| 3.3.1 角点检测算法 | 第24-26页 |
| 3.3.2 角点纠正 | 第26-27页 |
| 3.3.3 角点删除 | 第27-28页 |
| 3.4 基于三维空间变换的停车位重建 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于车辆识别的白天车位状态检测 | 第31-47页 |
| 4.1 车辆识别方法及评价 | 第31-36页 |
| 4.1.1 基于运动的车辆识别 | 第32-34页 |
| 4.1.2 基于特征的车辆识别 | 第34-36页 |
| 4.2 基于Haar-Adaboost算法的车辆检测 | 第36-41页 |
| 4.2.1 Adaboost算法 | 第36-38页 |
| 4.2.2 样本的选择、处理、训练 | 第38-39页 |
| 4.2.3 车辆识别效果及分析 | 第39-41页 |
| 4.3 车位状态检测 | 第41-44页 |
| 4.3.1 采样点选取及虚拟投影面设置 | 第41-43页 |
| 4.3.2 车位状态误判解决方法 | 第43页 |
| 4.3.3 车位状态检测 | 第43-44页 |
| 4.4 日夜间切换 | 第44页 |
| 4.5 实验分析 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 基于车辆质心预测的夜间车位状态检测 | 第47-60页 |
| 5.1 车灯筛选 | 第48-52页 |
| 5.1.1 前灯预处理 | 第48-49页 |
| 5.1.2 尾灯预处理 | 第49-51页 |
| 5.1.3 二次车灯筛选 | 第51-52页 |
| 5.2 车灯对匹配 | 第52-54页 |
| 5.3 车位状态检测 | 第54-56页 |
| 5.3.1 质心预测 | 第54-55页 |
| 5.3.2 车位状态检测 | 第55-56页 |
| 5.4 实验分析 | 第56-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 工作总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |