基于机器视觉的辅助驾驶系统中预警系统设计
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究工作的背景与意义 | 第9-10页 |
| 1.2 辅助驾驶系统的国内外研究历史与现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本文的主要贡献与创新 | 第12页 |
| 1.4 本论文的结构安排 | 第12-13页 |
| 第二章 基于软级联分类器的车辆检测 | 第13-32页 |
| 2.1 车辆检测概述 | 第13-14页 |
| 2.2 特征通道 | 第14页 |
| 2.3 特征通道计算 | 第14-17页 |
| 2.3.1 图像灰度 | 第14-15页 |
| 2.3.2 梯度幅度 | 第15页 |
| 2.3.3 梯度方向直方图 | 第15-17页 |
| 2.4 基于压缩感知的特征提取 | 第17-18页 |
| 2.4.1 随机投影 | 第17页 |
| 2.4.2 特征选择 | 第17-18页 |
| 2.5 训练方法 | 第18-25页 |
| 2.5.1 线性SVM分类器 | 第18-19页 |
| 2.5.2 基于线性SVM的软级联分类器 | 第19-23页 |
| 2.5.3 基于Bootstrap的训练方法 | 第23-25页 |
| 2.6 多尺度车辆检测算法 | 第25-29页 |
| 2.6.1 通道金字塔计算 | 第25-27页 |
| 2.6.2 基于传统滑窗法的检测方法 | 第27页 |
| 2.6.3 基于粒子滤波思想的检测方法 | 第27-28页 |
| 2.6.4 多尺度下的窗融合方法 | 第28-29页 |
| 2.7 实验结果 | 第29-31页 |
| 2.8 本章小结 | 第31-32页 |
| 第三章 基于混合滤波器的车辆跟踪 | 第32-42页 |
| 3.1 目标跟踪概述 | 第32页 |
| 3.2 车辆跟踪方法 | 第32-40页 |
| 3.2.1 基于卡尔曼滤波器的跟踪方法 | 第32-35页 |
| 3.2.2 基于粒子滤波的跟踪方法 | 第35-39页 |
| 3.2.3 辅助驾驶系统车辆跟踪方法 | 第39-40页 |
| 3.3 实验结果 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于多特征融合的车道线检测 | 第42-51页 |
| 4.1 车道线检测概述 | 第42-43页 |
| 4.2 车道线检测方法 | 第43-49页 |
| 4.2.1 消失点 | 第43-46页 |
| 4.2.2 车道线初定位 | 第46-47页 |
| 4.2.3 车道线精确定位 | 第47-49页 |
| 4.3 实验结果 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 防碰撞预警系统设计 | 第51-60页 |
| 5.1 防碰撞预警系统概述 | 第51页 |
| 5.2 防碰撞预警系统设计 | 第51-56页 |
| 5.2.1 防碰撞策略 | 第51-54页 |
| 5.2.2 车辆距离测算 | 第54-55页 |
| 5.2.3 预警设计 | 第55-56页 |
| 5.3 检测跟踪模型 | 第56-57页 |
| 5.4 实验结果 | 第57页 |
| 5.5 防碰撞预警软件设计 | 第57-58页 |
| 5.6 本章小结 | 第58-60页 |
| 第六章 全文总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60-61页 |
| 6.2 后续工作展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间取得的成果 | 第66-67页 |
