| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 引言 | 第9页 |
| 1.2 本课题的研究背景及意义 | 第9-11页 |
| 1.3 前方车辆检测算法的研究现状 | 第11-13页 |
| 1.3.1 国外研究现状 | 第12页 |
| 1.3.2 国内研究现状 | 第12-13页 |
| 1.4 本文的研究内容及论文结构 | 第13-14页 |
| 1.4.1 研究内容 | 第13页 |
| 1.4.2 论文结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 车辆检测图像预处理 | 第15-25页 |
| 2.1 车辆图像特征分析 | 第15-17页 |
| 2.2 有效区域的选取 | 第17-18页 |
| 2.3 图像灰度化 | 第18-19页 |
| 2.4 滤波 | 第19-23页 |
| 2.4.1 邻域平均法 | 第20-21页 |
| 2.4.2 高斯滤波 | 第21-22页 |
| 2.4.3 中值滤波 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 基于边缘特征的车辆检测 | 第25-41页 |
| 3.1 基于灰度图像的车辆边缘检测 | 第25-35页 |
| 3.1.1 边缘检测算子研究 | 第25-32页 |
| 3.1.2 前方车辆图像的边缘检测结果分析 | 第32-33页 |
| 3.1.3 基于Prewitt算子多尺度模板的车辆边缘检测 | 第33-35页 |
| 3.2 基于边缘特征的车辆区域划分 | 第35-38页 |
| 3.2.1 基于边缘长度特征的车辆边缘信息筛选 | 第35-37页 |
| 3.2.2 垂直边缘的对称性分析 | 第37-38页 |
| 3.3 基于边缘特征的车辆初步定位实验结果 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于阴影特征的车辆验证 | 第41-59页 |
| 4.1 车辆底部阴影特征分析 | 第41-42页 |
| 4.2 阈值分割算法 | 第42-47页 |
| 4.2.1 固定阈值法 | 第42-44页 |
| 4.2.2 OTSU阈值化算法 | 第44-47页 |
| 4.3 阴影检测 | 第47-52页 |
| 4.3.1 二值图像处理 | 第47-49页 |
| 4.3.2 阴影区域的形状特征过滤 | 第49-52页 |
| 4.4 ROI提取 | 第52-57页 |
| 4.4.1 基于阴影区域的ROI提取 | 第52-53页 |
| 4.4.2 基于车辆尾部的ROI提取 | 第53-55页 |
| 4.4.3 ROI精确提取 | 第55-56页 |
| 4.4.4 多种环境下的实验结果 | 第56-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 基于机器视觉的前方车辆测距及防撞预警 | 第59-71页 |
| 5.1 坐标系的定义 | 第59-62页 |
| 5.1.1 世界坐标系 | 第59-60页 |
| 5.1.2 摄像机坐标系 | 第60页 |
| 5.1.3 图像平面坐标系 | 第60-61页 |
| 5.1.4 成像平面坐标系 | 第61-62页 |
| 5.2 摄像机测距原理 | 第62-63页 |
| 5.3 摄像机参数标定 | 第63-65页 |
| 5.3.1 常用标定方法 | 第63-64页 |
| 5.3.2 本文的标定方法 | 第64-65页 |
| 5.4 推导测距模型 | 第65-68页 |
| 5.5 车辆前向防撞预警系统设计 | 第68-70页 |
| 5.5.1 安全车距模型建立 | 第68-69页 |
| 5.5.2 基于行车距离及车速的预警决策 | 第69-70页 |
| 5.5.3 基于图像的前向防撞预警系统实现 | 第70页 |
| 5.6 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 全文总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-77页 |
| 攻读学位期间取得的研究成果 | 第77页 |