智能车辆视觉导航中障碍物的检测
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·课题研究的背景 | 第10-11页 |
| ·课题研究的意义 | 第11页 |
| ·智能车辆导航系统障碍物检测的研究现状 | 第11-14页 |
| ·国外智能车辆导航系统的障碍物检测研究现状 | 第12-13页 |
| ·国内智能车辆导航系统的障碍物检测研究现状 | 第13-14页 |
| ·发展趋势及难点 | 第14页 |
| ·本文研究的主要内容 | 第14-16页 |
| 2 智能车辆障碍物视觉检测系统 | 第16-23页 |
| ·机器视觉理论 | 第16-17页 |
| ·智能车辆障碍物检测系统的总体设计 | 第17-20页 |
| ·智能车辆障碍物检测系统的硬件组成 | 第17页 |
| ·智能车辆障碍物检测系统的总体设计 | 第17-20页 |
| ·两种基于双目立体视觉的障碍物检测系统 | 第20-22页 |
| ·双目横向平行模式 | 第20-21页 |
| ·双目横向汇聚模式 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 结构化道路中路面区域的提取 | 第23-37页 |
| ·道路图像的预处理 | 第23-27页 |
| ·道路图像灰度化 | 第23-24页 |
| ·道路图像的滤波处理 | 第24-27页 |
| ·路面区域与非路面区域的分割 | 第27-30页 |
| ·道路图像的阈值分割 | 第27页 |
| ·阈值选取常用算法 | 第27-29页 |
| ·道路图像阈值化结果 | 第29-30页 |
| ·道路区域的提取 | 第30-35页 |
| ·二值化后图像的形态学修正 | 第30-31页 |
| ·曲线拟合的算法 | 第31-32页 |
| ·基于边界跟踪法的道路区域提取 | 第32-34页 |
| ·实验仿真结果分析 | 第34-35页 |
| ·结构化道路分割的结果及分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于对称性特征的障碍物检测算法研究 | 第37-45页 |
| ·基于先验知识的车辆特征模型 | 第38-39页 |
| ·车辆位置线条的生成 | 第39页 |
| ·感兴趣区域的建立 | 第39-40页 |
| ·障碍物的识别确认 | 第40-42页 |
| ·对称性分析 | 第40-41页 |
| ·对称性测量与对称轴求取 | 第41-42页 |
| ·实验结果及分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 5 双目立体视觉系统的标定 | 第45-54页 |
| ·目立体视觉系统的标定种类 | 第45页 |
| ·双目立体视觉系统的坐标系及其关系 | 第45-50页 |
| ·双目立体视觉系统摄像机的成像步骤 | 第46-49页 |
| ·双目立体视觉系统摄像机的成像模型 | 第49-50页 |
| ·目立体视觉系统的传统标定方法 | 第50-51页 |
| ·直接线性变换标定法 | 第50页 |
| ·RAC的两步标定方法 | 第50页 |
| ·张正友的平面标定方法 | 第50-51页 |
| ·双目立体视觉标定方法与分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 6 基于双目立体视觉的障碍物与车体距离测量 | 第54-61页 |
| ·双目立体视觉中对应点的匹配 | 第54-55页 |
| ·图像匹配的常用方法 | 第54-55页 |
| ·已知极线几何的对应点匹配方法 | 第55页 |
| ·基于双目视觉的障碍物与车体的测距技术 | 第55-60页 |
| ·双目立体视觉系统测距的原理 | 第55-57页 |
| ·双目立体视觉实验系统结构 | 第57-58页 |
| ·测距实验结果及误差分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 7 结论 | 第61-64页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的论文 | 第67-68页 |
| 致谢 | 第68-70页 |
