基于单目视觉的夜晚汽车前撞预警系统研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-23页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-21页 |
| ·智能车环境感知系统的研究现状 | 第10-14页 |
| ·基于单目视觉的车辆检测技术 | 第14-19页 |
| ·驾驶员行为特性研究 | 第19-20页 |
| ·前撞报警算法 | 第20-21页 |
| ·本文研究任务 | 第21-23页 |
| 2 基于累加直方图的夜间前方车辆检测方法 | 第23-41页 |
| ·夜间环境下的车辆特征 | 第23页 |
| ·基于特征的车辆检测 | 第23-32页 |
| ·基于特征的尾灯图像分割 | 第26-27页 |
| ·基于特征的目标尾灯提取 | 第27-29页 |
| ·基于特征的目标尾灯配对 | 第29-32页 |
| ·基于累加直方图改进的尾灯分割方法 | 第32-36页 |
| ·颜色空间的选择 | 第32-33页 |
| ·基于统计的固定阈值选取 | 第33-34页 |
| ·亮度累加直方图的特征分析 | 第34-36页 |
| ·改进的OTSU分割法 | 第36页 |
| ·图像分割效果与分析 | 第36-39页 |
| ·本章小结 | 第39-41页 |
| 3 基于区域跟踪的夜间车辆快速检测方法 | 第41-56页 |
| ·基于区域跟踪的检测方法提出的背景 | 第42页 |
| ·基于时间序列分析模型的车辆位置预测 | 第42-46页 |
| ·AR预测模型 | 第43-44页 |
| ·AR模型的参数估计 | 第44页 |
| ·AR模型应用于目标车辆位置的预测 | 第44-46页 |
| ·应用于目标车辆预测区域中的车辆检测方法 | 第46-49页 |
| ·自适应尾灯提取方法 | 第47-48页 |
| ·自适应尾灯配对方法 | 第48-49页 |
| ·基于区域跟踪的车辆快速检测算法 | 第49-51页 |
| ·基于区域跟踪的车辆检测方法 | 第49-51页 |
| ·算法中存在的问题和解决方法 | 第51页 |
| ·检测效果与分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 4 适应驾驶员特性的车辆前撞报警算法 | 第56-76页 |
| ·实际交通环境下的驾驶员实车实验 | 第56-61页 |
| ·实验的基本信息 | 第56-59页 |
| ·实验数据预处理 | 第59-61页 |
| ·基于前撞预警系统的驾驶员行为特性分析 | 第61-66页 |
| ·驾驶员接近前车行为特性分析 | 第61-64页 |
| ·驾驶员动作时刻行为特性分析 | 第64-66页 |
| ·基于避撞时间TTC的前撞报警算法 | 第66-69页 |
| ·报警启动逻辑 | 第66-68页 |
| ·基于驾驶员特性报警阈值确定 | 第68-69页 |
| ·基于单目视觉获取避撞时间TTC的方法 | 第69-75页 |
| ·基于单目视觉的测距方法 | 第69-73页 |
| ·基于单目视觉的避撞时间TTC计算 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 5 基于单目视觉的夜晚汽车前撞预警系统验证 | 第76-86页 |
| ·前撞预警系统平台 | 第76-78页 |
| ·车辆检测算法验证 | 第78-80页 |
| ·基于单目视觉的避撞时间计算方法验证 | 第80-84页 |
| ·基于避撞时间TTC的报警算法验证 | 第84-85页 |
| ·本章小结 | 第85-86页 |
| 6 结论 | 第86-87页 |
| ·论文工作总结 | 第86页 |
| ·研究展望 | 第86-87页 |
| 参考文献 | 第87-94页 |
| 攻读硕士学位期间发表的论文 | 第94-95页 |
| 致谢 | 第95-97页 |
