基于视觉的后方车辆检测与跟踪算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 论文主要内容和组织结构 | 第15-18页 |
| 第2章 感兴趣区域的划定 | 第18-23页 |
| 2.1 分水岭算法的概念及原理 | 第19-20页 |
| 2.2 分水岭算法的优缺点及改进方法 | 第20页 |
| 2.3 结合标记和分水岭算法的路面分割 | 第20-23页 |
| 2.3.1 将粗提取的路面区域作为标记 | 第20-21页 |
| 2.3.2 将标记图及原图输入分水岭分割算法 | 第21-23页 |
| 第3章 多特征融合的车辆检测技术 | 第23-33页 |
| 3.1 车底阴影线提取 | 第23-29页 |
| 3.1.1 基于累积直方图的图像二值化方法 | 第24-26页 |
| 3.1.2 阴影线初提取算法 | 第26-27页 |
| 3.1.3 第一次阴影线合并算法 | 第27-28页 |
| 3.1.4 第二次阴影线合并算法 | 第28-29页 |
| 3.2 对称性及信息熵验证 | 第29-31页 |
| 3.3 车辆区域的确定及精确化 | 第31-33页 |
| 第4章 基于 Kalman 滤波的车辆跟踪技术 | 第33-37页 |
| 4.1 Kalman 滤波基本原理 | 第33-35页 |
| 4.2 Kalman 滤波用于车辆跟踪 | 第35-37页 |
| 第5章 基于摄像机标定和逆透视投影的车辆测距方法 | 第37-44页 |
| 5.1 摄像机标定 | 第37-39页 |
| 5.2 逆透视投影原理 | 第39-43页 |
| 5.3 单目车辆测距 | 第43-44页 |
| 第6章 实验及结果 | 第44-51页 |
| 6.1 实验平台配置 | 第44页 |
| 6.2 实验数据来源 | 第44-45页 |
| 6.3 实验结果分析 | 第45-51页 |
| 6.3.1 本文算法流程 | 第45页 |
| 6.3.2 感兴趣区域提取实验结果分析 | 第45-47页 |
| 6.3.3 车辆检测实验结果分析 | 第47-49页 |
| 6.3.4 车辆跟踪实验结果分析 | 第49-50页 |
| 6.3.5 车辆测距实验结果分析 | 第50-51页 |
| 第7章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 作者简介 | 第55-56页 |
| 致谢 | 第56页 |
