| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 汽车安全概述 | 第10-12页 |
| 1.2 汽车主动安全概述及车辆跟踪定位意义 | 第12-15页 |
| 1.3 基于照相机传感器的车辆跟踪定位研究现状 | 第15-17页 |
| 1.4 本文主要研究内容 | 第17-20页 |
| 第二章 基于 Adaboost 分类器的目标差异筛选车辆识别方法研究 | 第20-32页 |
| 2.1 Boosting 算法基本原理及目标检测过程 | 第20-22页 |
| 2.1.1 boosting 分类器算法 | 第20-21页 |
| 2.1.2 Haar 级联及目标检测过程 | 第21-22页 |
| 2.2 车辆检测 Adaboost 分类器训练 | 第22-26页 |
| 2.2.1 实际道路交通视频采集 | 第22-23页 |
| 2.2.2 车辆检测分类器正样本库制作 | 第23-24页 |
| 2.2.3 车辆检测分类器负样本库制作 | 第24-25页 |
| 2.2.4 车辆检测分类器训练 | 第25-26页 |
| 2.3 基于目标差异筛选车辆检测方法研究 | 第26-30页 |
| 2.3.1 目标误检原因分析 | 第26-27页 |
| 2.3.2 目标差异筛选方法车辆检测 | 第27-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于坐标映射的车辆跟踪测距方法研究 | 第32-50页 |
| 3.1 基于计算机视觉的车辆跟踪测距概述 | 第32-33页 |
| 3.2 基于坐标映射测距方法研究 | 第33-37页 |
| 3.2.1 成像系统几何特性分析 | 第33-34页 |
| 3.2.2 坐标映射测距方法研究 | 第34-36页 |
| 3.2.3 坐标映射测距方法验证 | 第36-37页 |
| 3.3 基于定比分线的抵抗俯仰角变化对测距影响方法研究 | 第37-40页 |
| 3.3.1 俯仰角对测距影响分析 | 第37页 |
| 3.3.2 定比分线特性分析 | 第37-38页 |
| 3.3.3 基于定比分线抵抗俯仰角对测距影响方法研究 | 第38-40页 |
| 3.4 Kalman 滤波基本原理 | 第40-44页 |
| 3.4.1 Kalman 滤波器数学模型 | 第41-43页 |
| 3.4.2 Kalman 滤波器应用 | 第43-44页 |
| 3.5 基于 Kalman 滤波跟踪测距方法研究 | 第44-48页 |
| 3.5.1 车辆跟踪 Kalman 滤波器构造 | 第45页 |
| 3.5.2 Kalman 滤波跟踪测距 | 第45-48页 |
| 3.6 相对速度计算 | 第48-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第四章 基于 Hough 变换与置信度判断的车道线跟踪检测方法研究 | 第50-64页 |
| 4.1 车道线检测方法概述 | 第50-52页 |
| 4.2 Hough 变换基本原理 | 第52-54页 |
| 4.3 图像预处理与车道线检测 | 第54-58页 |
| 4.3.1 图像预处理过程 | 第54-57页 |
| 4.3.2 Hough 变换提取车道线 | 第57-58页 |
| 4.4 基于置信度判断与 Kalman 滤波的车道线跟踪方法研究 | 第58-61页 |
| 4.4.1 置信度判断参数选取与置信度判断 | 第58-60页 |
| 4.4.2 Kalman 滤波车道线跟踪方法研究 | 第60-61页 |
| 4.5 车道线跟踪实验 | 第61页 |
| 4.6 本章小结 | 第61-64页 |
| 第五章 车辆跟踪定位应用实例 | 第64-72页 |
| 5.1 PreScan 简介 | 第64-66页 |
| 5.2 最关键目标车判断方法研究 | 第66-69页 |
| 5.2.1 最关键目标判断原则 | 第66-67页 |
| 5.2.2 最关键目标判断实例 | 第67-69页 |
| 5.3 车辆行驶安全性判断示例 | 第69-70页 |
| 5.3.1 车辆行驶安全性判断算法 | 第69页 |
| 5.3.2 车辆行驶安全性判断实例 | 第69-70页 |
| 5.4 本章小结 | 第70-72页 |
| 第六章 总结与展望 | 第72-76页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-76页 |
| 参考文献 | 第76-81页 |
| 作者简介 | 第81-82页 |
| 致谢 | 第82页 |
