| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究目的和意义 | 第9-10页 |
| 1.2 国内外相关研究 | 第10-12页 |
| 1.3 论文主要工作 | 第12-13页 |
| 1.3.1 本课题来源和主要研究内容 | 第12页 |
| 1.3.2 本文的组织结构 | 第12-13页 |
| 第2章 自主车辆系统设计 | 第13-22页 |
| 2.1 自主车辆系统概述 | 第13-15页 |
| 2.2 自主车辆系统设计 | 第15-17页 |
| 2.2.1 视觉传感器的选取 | 第16-17页 |
| 2.3 自主车辆中的关键技术 | 第17-21页 |
| 2.3.1 感知技术 | 第17-20页 |
| 2.3.2 车辆智能控制技术 | 第20页 |
| 2.3.3 车辆定位与导航技术 | 第20-21页 |
| 2.4 自主车辆中的技术难点 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 交通标志识别算法研究 | 第22-38页 |
| 3.1 交通标志的检测 | 第22-25页 |
| 3.1.1 RGB 彩色空间模型 | 第23页 |
| 3.1.2 HSI 彩色空间模型 | 第23-24页 |
| 3.1.3 基于 HSI 彩色模型的图像分割 | 第24-25页 |
| 3.2 交通标志的识别 | 第25-37页 |
| 3.2.1 矩特征 | 第25-27页 |
| 3.2.2 仿射变换的独立成分分析 | 第27-31页 |
| 3.2.3 实验结果与分析 | 第31-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 基于单目视觉的前方车辆跟踪方法 | 第38-58页 |
| 4.1 运动目标跟踪方法 | 第38-39页 |
| 4.2 车辆检测方法 | 第39-45页 |
| 4.2.1 Hog 特征 | 第40-42页 |
| 4.2.2 AdaBoost 分类器 | 第42-43页 |
| 4.2.3 目标区域搜索算法 | 第43页 |
| 4.2.4 基于 HOG 特征和 AdaBoost 分类器的车辆检测 | 第43-45页 |
| 4.3 粒子滤波器 | 第45-49页 |
| 4.3.1 基于贝叶斯理论的目标跟踪 | 第45-47页 |
| 4.3.2 重要性采样 | 第47-48页 |
| 4.3.3 重采样技术 | 第48-49页 |
| 4.3.4 粒子滤波算法 | 第49页 |
| 4.4 基于彩色特征的自适应粒子滤波跟踪方法 | 第49-53页 |
| 4.4.1 颜色分布模型的选择 | 第51-52页 |
| 4.4.2 粒子状态参数的选择与设定 | 第52页 |
| 4.4.3 粒子的重要性重采样 | 第52-53页 |
| 4.4.4 粒子的传播与观测 | 第53页 |
| 4.4.5 目标更新策略 | 第53页 |
| 4.5 车辆跟踪系统的实现 | 第53-57页 |
| 4.6 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第66-67页 |
| 附录 B 攻读学位期间参与的主要科研项目和成果 | 第67页 |