| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-26页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外车辆检测研究现状 | 第13-21页 |
| 1.2.1 基于机器视觉的车辆检测 | 第13-18页 |
| 1.2.2 基于毫米波雷达的车辆检测 | 第18页 |
| 1.2.3 基于激光雷达的车辆检测 | 第18-19页 |
| 1.2.4 基于多传感器融合的车辆检测 | 第19-21页 |
| 1.3 国内外行人检测研究现状 | 第21-24页 |
| 1.3.1 基于CCD/CMOS相机的行人检测 | 第21-23页 |
| 1.3.2 基于红外相机的行人检测 | 第23-24页 |
| 1.3.3 基于激光雷达与相机融合的行人检测 | 第24页 |
| 1.4 论文的主要工作与章节安排 | 第24-26页 |
| 第二章 大型客车环境感知系统设计 | 第26-36页 |
| 2.1 各传感器性能对比与分析 | 第26-30页 |
| 2.1.1 激光雷达 | 第26-27页 |
| 2.1.2 CCD/CMOS摄像相机 | 第27页 |
| 2.1.3 毫米波雷达 | 第27页 |
| 2.1.4 红外传感器 | 第27-28页 |
| 2.1.5 超声波传感器 | 第28-30页 |
| 2.2 传感器选型与参数配置 | 第30-35页 |
| 2.2.1 摄像机选型与参数配置 | 第30-31页 |
| 2.2.2 毫米波雷达选型与参数配置 | 第31-32页 |
| 2.2.3 其他附属设备选型与参数配置 | 第32-33页 |
| 2.2.4 传感器布置与安装 | 第33-35页 |
| 2.3 本章小结 | 第35-36页 |
| 第三章 基于深度置信网络的雷达车辆目标提取 | 第36-44页 |
| 3.1 毫米波雷达数据解析与采集 | 第36-38页 |
| 3.1.1 毫米波雷达数据解析 | 第36页 |
| 3.1.2 毫米波雷达数据采集 | 第36-38页 |
| 3.2 基于深度置信网络的车辆目标提取 | 第38-42页 |
| 3.2.1 深度置信网络模型原理分析 | 第39-40页 |
| 3.2.2 深度置信网络训练与参数求解 | 第40-42页 |
| 3.3 训练结果分析与实验验证 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 卷积神经网络的基本原理分析与对比 | 第44-56页 |
| 4.1 卷积神经网络原理分析 | 第44-52页 |
| 4.1.1 局部连接与权值共享 | 第44-45页 |
| 4.1.2 卷积层 | 第45-48页 |
| 4.1.3 激活层 | 第48-49页 |
| 4.1.4 下采样层 | 第49-50页 |
| 4.1.5 网络输出层 | 第50-52页 |
| 4.2 快速卷积神经网络目标检测对比分析 | 第52-55页 |
| 4.2.1 R-CNN网路模型 | 第52-53页 |
| 4.2.2 FastR-CNN网路模型 | 第53-54页 |
| 4.2.3 FasterR-CNN网路模型 | 第54-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第五章 基于FASTERR-CNN的前方障碍物检测与测距 | 第56-78页 |
| 5.1 模型选择与分析 | 第56-57页 |
| 5.2 多交通环境训练下的FASTERR-CNN车辆检测 | 第57-65页 |
| 5.2.1 训练样本采集与预处理 | 第57-59页 |
| 5.2.2 车辆检测网络的构建与参数设置 | 第59-60页 |
| 5.2.3 车辆检测网络训练与测试 | 第60-63页 |
| 5.2.4 实验验证与分析 | 第63-65页 |
| 5.3 多交通环境训练下的FASTERR-CNN行人检测 | 第65-69页 |
| 5.3.1 行人检测训练样本采集 | 第65-66页 |
| 5.3.2 行人检测网络构建与参数设置 | 第66-67页 |
| 5.3.3 行人检测网络训练与测试 | 第67-68页 |
| 5.3.4 实验验证与分析 | 第68-69页 |
| 5.4 改进的单目视觉前方障碍物测距 | 第69-77页 |
| 5.4.1 传统单目视觉测距方法 | 第69-72页 |
| 5.4.2 基于像素标定与拟合的单目测距 | 第72-75页 |
| 5.4.3 实验验证与误差分析 | 第75-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第六章 雷达与相机融合的障碍物检测系统设计 | 第78-94页 |
| 6.1 毫米波雷达与视觉信息融合 | 第78-83页 |
| 6.1.1 相机标定试验与参数求解 | 第78-81页 |
| 6.1.2 雷达与视觉信息空间上的同步 | 第81-82页 |
| 6.1.3 雷达与视觉信息时间上的同步 | 第82-83页 |
| 6.2 障碍物检测目标匹配与有效目标生成 | 第83-87页 |
| 6.2.1 基于多检测特征的雷达与视觉目标匹配 | 第83-85页 |
| 6.2.2 障碍物检测有效目标生成 | 第85-87页 |
| 6.3 障碍物检测目标跟踪与管理 | 第87-91页 |
| 6.3.1 基于卡尔曼滤波的单目标跟踪 | 第87-89页 |
| 6.3.2 多目标跟踪与管理 | 第89-91页 |
| 6.4 融合系统搭建与实验验证 | 第91-93页 |
| 6.5 本章小结 | 第93-94页 |
| 第七章 全文总结与展望 | 第94-96页 |
| 7.1 全文总结 | 第94页 |
| 7.2 不足与展望 | 第94-96页 |
| 参考文献 | 第96-101页 |
| 在读期间研究成果 | 第101-103页 |
| 致谢 | 第103页 |
