智能车辆视觉环境感知技术的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-18页 |
| 第一章 绪论 | 第18-31页 |
| ·研究背景与意义 | 第18-19页 |
| ·智能车辆的研究内容及关键技术 | 第19-22页 |
| ·智能车辆的主要研究内容 | 第19-20页 |
| ·智能车辆涉及的关键技术 | 第20-22页 |
| ·国内外典型的智能车辆系统 | 第22-25页 |
| ·国外 | 第22-24页 |
| ·国内 | 第24-25页 |
| ·本文相关内容的研究现状 | 第25-28页 |
| ·本文的研究内容与结构安排 | 第28-31页 |
| ·研究内容的逻辑关系 | 第28-29页 |
| ·研究内容的章节安排 | 第29-31页 |
| 第二章 数字图像复原/恢复技术研究 | 第31-53页 |
| ·引言 | 第31-32页 |
| ·严重噪声污染下的模糊图像复原方法 | 第32-39页 |
| ·自适应正则化函数 | 第33-34页 |
| ·迭代复原算法及其收敛性分析 | 第34-37页 |
| ·算法验证与分析 | 第37-39页 |
| ·基于信息测度和支持向量机的图像去噪方法 | 第39-51页 |
| ·基于信息测度的噪声特征提取 | 第40-42页 |
| ·基于支持向量机的噪声分类器设计 | 第42-47页 |
| ·复原滤波器设计 | 第47-49页 |
| ·算法验证与分析 | 第49-51页 |
| ·本章小节 | 第51-53页 |
| 第三章 面向结构化道路的车道线实时检测方法研究 | 第53-65页 |
| ·引言 | 第53-54页 |
| ·提出方法的概述 | 第54-55页 |
| ·车道线检测方法 | 第55-61页 |
| ·边缘检测 | 第55-57页 |
| ·基于方向优先级的搜索算法 | 第57-59页 |
| ·用霍夫变换消除大曲率线段 | 第59-60页 |
| ·车道线识别 | 第60-61页 |
| ·算法验证与分析 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第四章 路面车辆的实时检测与跟踪方法研究 | 第65-86页 |
| ·引言 | 第65-66页 |
| ·路面车辆的静态检测方法 | 第66-72页 |
| ·ROI 提取 | 第67-68页 |
| ·阴影检测 | 第68-70页 |
| ·对称性验证 | 第70-71页 |
| ·算法验证与分析 | 第71-72页 |
| ·基于序列图像的目标跟踪定位 | 第72-81页 |
| ·核密度估计 | 第73-74页 |
| ·密度梯度估计 | 第74-75页 |
| ·基于HSI 颜色空间与HOG 的目标观测模型 | 第75-77页 |
| ·相似性搜索 | 第77-78页 |
| ·算法验证与分析 | 第78-81页 |
| ·车辆检测与跟踪 | 第81-85页 |
| ·检测与跟踪的互动策略 | 第81-82页 |
| ·算法验证与分析 | 第82-85页 |
| ·本章小结 | 第85-86页 |
| 第五章 基于小波分形特征的行人检测方法研究 | 第86-98页 |
| ·引言 | 第86页 |
| ·小波分解 | 第86-91页 |
| ·一维小波分解 | 第86-90页 |
| ·二维小波分解 | 第90-91页 |
| ·分形维 | 第91-93页 |
| ·分形维的定义 | 第91-92页 |
| ·分形维的计算 | 第92-93页 |
| ·小波分形特征提取方法 | 第93-94页 |
| ·算法验证与分析 | 第94-96页 |
| ·本章小结 | 第96-98页 |
| 第六章试验装置设计与实车试验 | 第98-111页 |
| ·引言 | 第98页 |
| ·试验装置设计 | 第98-103页 |
| ·试验装置的硬件组成 | 第98-102页 |
| ·试验装置的软件设计 | 第102-103页 |
| ·实车道路试验 | 第103-110页 |
| ·试验方案 | 第103-104页 |
| ·试验结果与分析 | 第104-110页 |
| ·本章小结 | 第110-111页 |
| 第七章总结与展望 | 第111-116页 |
| ·总结 | 第111-114页 |
| ·课题的实施情况 | 第111-112页 |
| ·主要研究成果 | 第112-114页 |
| ·展望 | 第114-116页 |
| 参考文献 | 第116-130页 |
| 致谢 | 第130-131页 |
| 在学期间的研究成果及发表的学术论文 | 第131-133页 |
