摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-20页 |
1.1 课题研究背景 | 第10-12页 |
1.2 基于机器视觉的车辆后方障碍物检测技术 | 第12-15页 |
1.2.1 车辆后方障碍物检测特点 | 第12页 |
1.2.2 机器视觉的发展及应用 | 第12-13页 |
1.2.3 基于机器视觉的车辆后方障碍物检测算法 | 第13-15页 |
1.3 国内外研究现状 | 第15-18页 |
1.3.1 国内研究现状 | 第16-17页 |
1.3.2 国外研究现状 | 第17-18页 |
1.4 课题研究意义 | 第18页 |
1.5 论文研究的主要内容和章节安排 | 第18-19页 |
1.5.1 论文研究的主要内容 | 第18-19页 |
1.5.2 章节安排 | 第19页 |
1.6 本章小结 | 第19-20页 |
第2章 图像处理基础知识 | 第20-30页 |
2.1 图像处理技术在车辆后方障碍物检测技术中的应用 | 第20-21页 |
2.2 图像形态学处理 | 第21-24页 |
2.2.1 膨胀与腐蚀 | 第21-22页 |
2.2.2 开运算和闭运算 | 第22-23页 |
2.2.3 形态学梯度 | 第23-24页 |
2.3 图像分割算法 | 第24-25页 |
2.4 图像滤波处理 | 第25-27页 |
2.4.1 中值滤波 | 第25-26页 |
2.4.2 高斯滤波 | 第26页 |
2.4.3 双边滤波 | 第26-27页 |
2.5 图像的边缘检测 | 第27-29页 |
2.6 本章小结 | 第29-30页 |
第3章 摄像机成像模型及相关技术 | 第30-40页 |
3.1 计算机视觉简介 | 第30页 |
3.2 坐标系描述 | 第30-31页 |
3.3 摄像机成像几何模型 | 第31-33页 |
3.4 角点检测 | 第33-38页 |
3.4.1 角点的概念 | 第34页 |
3.4.2 Harris角点检测及其改进 | 第34-38页 |
3.5 目标的特征提取 | 第38-39页 |
3.5.1 基于结构特征的方法 | 第38页 |
3.5.2 基于像素分布的方法 | 第38-39页 |
3.6 本章小结 | 第39-40页 |
第4章 车辆后方障碍物检测算法设计 | 第40-60页 |
4.1 基于特征信息的障碍物检测算法 | 第40-44页 |
4.1.1 直线的特征 | 第41-42页 |
4.1.2 Hough直线检测 | 第42-43页 |
4.1.3 Hough直线检测步骤 | 第43-44页 |
4.2 基于光流的障碍物检测算法 | 第44-47页 |
4.2.1 光流的计算 | 第44页 |
4.2.2 基本等式的引入 | 第44-45页 |
4.2.3 Horn-Schunck方法 | 第45-46页 |
4.2.4 Lucas-Kanade方法 | 第46-47页 |
4.3 基于背景差分的方法 | 第47-48页 |
4.4 基于运动补偿的方法 | 第48-51页 |
4.4.1 运动估计方法 | 第49页 |
4.4.2 运动模型的建立 | 第49-51页 |
4.4.3 自运动估计基本原理 | 第51页 |
4.5 两帧间差分法 | 第51-54页 |
4.5.1 两帧间差分算法流程图 | 第51-52页 |
4.5.2 两帧间差分算法的优缺点 | 第52-53页 |
4.5.3 两帧间差分法实验结果 | 第53-54页 |
4.6 三帧间差分法 | 第54-58页 |
4.6.1 三帧间差分算法的原理 | 第54-56页 |
4.6.2 三帧间差分算法主要代码 | 第56页 |
4.6.3 三帧间差分算法的流程图 | 第56-58页 |
4.7 车辆后方障碍物检测系统平台设计 | 第58-59页 |
4.7.1 车辆视频采集 | 第58页 |
4.7.2 系统平台组成模块 | 第58-59页 |
4.8 本章小结 | 第59-60页 |
第5章 车辆后方障碍物检测算法的实现 | 第60-66页 |
5.1 算法运行实验平台 | 第60页 |
5.2 算法评估 | 第60-61页 |
5.3 三帧间差分法实验结果及分析 | 第61-65页 |
5.4 本章小结 | 第65-66页 |
第6章 总结与展望 | 第66-68页 |
6.1 工作总结 | 第66页 |
6.2 展望 | 第66-68页 |
参考文献 | 第68-72页 |
致谢 | 第72页 |