| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 智能车的研究现状 | 第12-16页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 本文组织结构 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第2章 视觉导航系统 | 第18-25页 |
| 2.1 视觉导航的相关知识 | 第18-19页 |
| 2.2 导航系统软硬件设计框架 | 第19-24页 |
| 2.2.1 硬件系统设计 | 第19-21页 |
| 2.2.2 软件系统设计 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 图像预处理 | 第25-40页 |
| 3.1 颜色空间的转换 | 第25-27页 |
| 3.2 道路图像的灰度化 | 第27-28页 |
| 3.3 道路图像的滤波 | 第28-35页 |
| 3.3.1 低通滤波器 | 第29-32页 |
| 3.3.2 非线性滤波器 | 第32-35页 |
| 3.4 图像的二值化 | 第35-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 校园环境下的目标检测 | 第40-60页 |
| 4.1 运动目标检测常用算法 | 第40-50页 |
| 4.1.1 帧间差分法 | 第41-44页 |
| 4.1.2 背景差分法 | 第44页 |
| 4.1.3 改进的三帧差分法 | 第44-47页 |
| 4.1.4 光流法 | 第47-48页 |
| 4.1.5 常用检测算法比较 | 第48-50页 |
| 4.2 基于多特征的行人检测 | 第50-59页 |
| 4.2.1 HOG特征计算 | 第50-54页 |
| 4.2.2 Viola-Jones人脸检测 | 第54-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第5章 运动目标跟踪 | 第60-70页 |
| 5.1 Mean Shift跟踪算法 | 第60-63页 |
| 5.2 CamShift跟踪算法 | 第63-64页 |
| 5.3 Kalman滤波 | 第64-68页 |
| 5.4 基于Kalman滤波的CamShift跟踪方案 | 第68-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第6章 实验验证 | 第70-77页 |
| 6.1 目标检测试验 | 第70-73页 |
| 6.1.1 运动目标检测 | 第71页 |
| 6.1.2 行人特征检测 | 第71-73页 |
| 6.2 目标跟踪实验 | 第73-76页 |
| 6.3 本章小结 | 第76-77页 |
| 第7章 总结和展望 | 第77-79页 |
| 7.1 论文工作总结 | 第77页 |
| 7.2 论文工作展望 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 攻读硕士学位期间主要的研究成果 | 第82-83页 |
| 致谢 | 第83页 |