| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 车辆碰撞预警系统研究现状 | 第9-10页 |
| 1.2.2 Android辅助驾驶研究现状 | 第10-11页 |
| 1.2.3 车辆检测技术研究现状 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 本文章节安排 | 第14-15页 |
| 2 道路图像采集与生成车辆假设区域 | 第15-26页 |
| 2.1 基于Android Camera的图像采集 | 第15-19页 |
| 2.1.1 Android Camera框架 | 第15-16页 |
| 2.1.2 图像采集流程 | 第16-17页 |
| 2.1.3 调用Android Camera得到实时图像 | 第17-19页 |
| 2.2 图像预处理 | 第19-21页 |
| 2.2.1 图像灰度化 | 第19-20页 |
| 2.2.2 提取感兴趣区域 | 第20页 |
| 2.2.3 滤波 | 第20-21页 |
| 2.3 基于阴影特征生成车辆假设区域 | 第21-24页 |
| 2.3.1 阴影分割 | 第22-23页 |
| 2.3.2 阴影初步提取 | 第23-24页 |
| 2.3.3 阴影的合并 | 第24页 |
| 2.3.4 确定阴影边缘及生成车辆假设区域 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 3 车辆检测方法的研究与实现 | 第26-35页 |
| 3.1 基于车辆假设区域的车辆检测流程 | 第26-27页 |
| 3.2 基于Haar-like特征的AdaBoost车辆假设区域的验证 | 第27-33页 |
| 3.2.1 Haar-like特征提取 | 第28-30页 |
| 3.2.2 AdaBoost学习算法 | 第30-31页 |
| 3.2.3 级联分类器 | 第31-32页 |
| 3.2.4 分类器的训练过程 | 第32-33页 |
| 3.3 实验结果与分析 | 第33-34页 |
| 3.3.1 评价指标 | 第33页 |
| 3.3.2 车辆假设区域验证的实验结果与分析 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 前方车辆距离测量与安全距离估计 | 第35-44页 |
| 4.1 基于单目视觉的车距测量 | 第35-39页 |
| 4.1.1 单目视觉测距模型 | 第35-37页 |
| 4.1.2 基于单帧静态模型的前方车辆距离的计算 | 第37-39页 |
| 4.2 车辆安全距离计算 | 第39-42页 |
| 4.2.1 驾驶员反应阶段分析 | 第40页 |
| 4.2.2 制动协调阶段分析 | 第40页 |
| 4.2.3 车辆持续制动阶段分析 | 第40-41页 |
| 4.2.4 危险情况下车辆安全距离的计算 | 第41-42页 |
| 4.3 实验结果与分析 | 第42页 |
| 4.4 本章小结 | 第42-44页 |
| 5 车辆碰撞预警系统的设计与实现 | 第44-54页 |
| 5.1 车辆碰撞预警系统总体架构 | 第44-45页 |
| 5.2 道路图像采集模块 | 第45-46页 |
| 5.3 车辆检测模块 | 第46页 |
| 5.4 车辆碰撞预警模块 | 第46-47页 |
| 5.5 实验环境 | 第47-48页 |
| 5.5.1 软件环境 | 第47页 |
| 5.5.2 硬件环境 | 第47-48页 |
| 5.6 算法移植和实验测试 | 第48-52页 |
| 5.6.1 算法移植 | 第48-50页 |
| 5.6.2 实验测试 | 第50-52页 |
| 5.7 本章小结 | 第52-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 本文工作总结 | 第54页 |
| 6.2 未来工作展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |
