基于SVM和SURF的无人驾驶车野外水体检测与跟踪
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 本文研究背景及意义 | 第9-10页 |
| 1.2 UGV研究现状 | 第10-14页 |
| 1.2.1 国外UGV研究现状 | 第10-12页 |
| 1.2.2 国内UGV研究现状 | 第12-14页 |
| 1.3 越野环境下水体障碍物检测 | 第14-17页 |
| 1.4 本文研究工作及结构安排 | 第17-19页 |
| 2 水体障碍物颜色和纹理特征提取 | 第19-33页 |
| 2.1 颜色特征提取 | 第19-25页 |
| 2.1.1 RGB和HSV颜色空间 | 第19-21页 |
| 2.1.2 水体障碍物亮度特征提取 | 第21-22页 |
| 2.1.3 水体障碍物饱和度亮度比值特征提取 | 第22-25页 |
| 2.2 纹理特征提取 | 第25-29页 |
| 2.2.1 纹理特征描述 | 第25-26页 |
| 2.2.2 灰度共生矩阵描述水体纹理特征 | 第26-29页 |
| 2.3 颜色与纹理特征提取实验 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 基于SVM的水体障碍物检测 | 第33-47页 |
| 3.1 SVM支持向量机分类 | 第33-41页 |
| 3.1.1 SVM支持向量原理 | 第33-36页 |
| 3.1.2 SMO序列最小优化算法 | 第36-38页 |
| 3.1.3 SVM核函数及其参数选择 | 第38-41页 |
| 3.2 SVM水体障碍物检测实验 | 第41-46页 |
| 3.2.1 LDA与SVM判别法对比 | 第41-42页 |
| 3.2.2 特征采样窗口尺寸及SVM核函数选择 | 第42-43页 |
| 3.2.3 SVM参数优化及验证 | 第43-44页 |
| 3.2.4 水体障碍物静态图像检测 | 第44-46页 |
| 3.3 本章小结 | 第46-47页 |
| 4 基于SURF的搜索窗口位置和尺度更新 | 第47-61页 |
| 4.1 SURF特征检测 | 第47-51页 |
| 4.1.1 积分图像 | 第47-48页 |
| 4.1.2 创建Hessian矩阵 | 第48-49页 |
| 4.1.3 尺度空间构建 | 第49-51页 |
| 4.1.4 特征点定位 | 第51页 |
| 4.2 SURF描述子构建 | 第51-54页 |
| 4.2.1 主方向确定 | 第51-53页 |
| 4.2.2 描述符向量构建 | 第53-54页 |
| 4.3 SURF特征匹配 | 第54-57页 |
| 4.4 基于SURF的搜索窗口位置和尺度更新 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 基于SVM和SURF的水体障碍物检测跟踪 | 第61-77页 |
| 5.1 常见目标跟踪方法介绍 | 第61-64页 |
| 5.1.1 基于匹配的运动目标跟踪 | 第61-63页 |
| 5.1.2 基于运动特征的跟踪方法 | 第63-64页 |
| 5.2 实验平台及工作方法介绍 | 第64-69页 |
| 5.2.1 实验平台介绍 | 第64-66页 |
| 5.2.2 水体目标跟踪流程 | 第66-69页 |
| 5.3 实验结果与分析 | 第69-75页 |
| 5.4 本章小结 | 第75-77页 |
| 结论 | 第77-79页 |
| 1 本文工作 | 第77-78页 |
| 2 存在的不足及后续工作展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间发表学术论文情况 | 第83-84页 |
| 致谢 | 第84-85页 |
