智能驾驶视觉辅助技术的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-11页 |
| ·论文研究背景及意义 | 第8页 |
| ·辅助驾驶计算机视觉技术的发展现状 | 第8-9页 |
| ·光流法引入智能交通系统研究 | 第9-10页 |
| ·论文的主要研究工作 | 第10-11页 |
| 第二章 光流技术 | 第11-22页 |
| ·光流技术的研究情况 | 第11-12页 |
| ·光流技术的研究方向 | 第12-14页 |
| ·光流基本方程 | 第14-15页 |
| ·常见的光流约束技术 | 第15-20页 |
| ·Horn-Schunck全局平滑约束技术 | 第15-16页 |
| ·Lucas-Kanade局部平滑约束技术 | 第16-18页 |
| ·Nagel有向平滑约束技术 | 第18-19页 |
| ·块匹配法 | 第19-20页 |
| ·光流技术的难点 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 运动车辆检测与跟踪 | 第22-41页 |
| ·运动目标检测与跟踪方法概述 | 第22-23页 |
| ·常用检测方法 | 第22页 |
| ·常用跟踪方法 | 第22-23页 |
| ·基于光流法的运动车辆检测 | 第23-33页 |
| ·光流运动场与运动内极限约束 | 第24-26页 |
| ·基于光流的特征点的选取 | 第26-27页 |
| ·特征点中的梯度算子 | 第27页 |
| ·构建光流金字塔模型 | 第27-28页 |
| ·局部特征光流的计算 | 第28-31页 |
| ·光流矢量方向的归一化处理 | 第31页 |
| ·特征光流的聚类分割 | 第31-33页 |
| ·基于光流特征点的运动车辆跟踪 | 第33-40页 |
| ·平移模型下的最优估计的点匹配 | 第33-35页 |
| ·跟踪原理 | 第35页 |
| ·去除阴影 | 第35-36页 |
| ·去除虚假目标 | 第36-37页 |
| ·固定背景下的跟踪结果 | 第37-38页 |
| ·动态背景下的跟踪结果 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 道路边界线及车道线检测与跟踪 | 第41-50页 |
| ·常用的车道线检测算法概述 | 第41-42页 |
| ·基于边缘的分道线检测 | 第41页 |
| ·基于逆投影变换的车道线检测 | 第41页 |
| ·基于分水岭的分道线检测 | 第41-42页 |
| ·基于神经网络和K均值道路线检测法 | 第42页 |
| ·建立结构化道路模型 | 第42-44页 |
| ·提取道路边界及车道标志线的特征点 | 第44页 |
| ·概率霍夫变换原理 | 第44-45页 |
| ·最小二乘拟合 | 第45-48页 |
| ·实验结果 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·全文总结 | 第50页 |
| ·工作展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录A 攻读硕士学位期间取得的学术成果 | 第56-57页 |
| 附录B 主要程序函数介绍 | 第57-58页 |
