| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 致谢 | 第12-20页 |
| 第一章 绪论 | 第20-32页 |
| ·本课题的研究背景 | 第20-25页 |
| ·国内外驾驶行为及主动安全研究现状 | 第25-28页 |
| ·国内研究现状 | 第25-27页 |
| ·国外相关研究现状 | 第27-28页 |
| ·研究的意义 | 第28页 |
| ·主要的研究内容 | 第28-30页 |
| ·论文的章节安排 | 第30-32页 |
| 第二章 道路交通系统与驾驶行为分析研究 | 第32-51页 |
| ·道路交通系统 | 第32-34页 |
| ·道路交通系统相关概念 | 第32页 |
| ·人在道路交通系统的作用与地位 | 第32-34页 |
| ·人的一般行为模式 | 第34-36页 |
| ·人的行为模式概述 | 第34页 |
| ·行为模式的基本类型 | 第34-36页 |
| ·驾驶行为的特征 | 第36-42页 |
| ·驾驶行为的三个阶段及特征 | 第36-37页 |
| ·常见的驾驶行为模式 | 第37-40页 |
| ·驾驶行为组成主因子分析方法 | 第40-42页 |
| ·多指标综合评价法及应用 | 第42-45页 |
| ·多指标综合评价方法 | 第42-43页 |
| ·评价指标的建立与筛选原则 | 第43-44页 |
| ·评价指标的无量纲化 | 第44-45页 |
| ·基于多指标综合评价法的主因子量化 | 第45-50页 |
| ·基于虚拟传感器的信息提取 | 第45-46页 |
| ·驾驶行为组成主因子的量化处理 | 第46页 |
| ·利用层次分析计算驾驶行为组成主因子权重 | 第46-47页 |
| ·基于层次分析法的驾驶行为主因子分析 | 第47-50页 |
| ·本章主要研究内容 | 第50-51页 |
| 第三章 基于BP 网络与 D-S 理论的多信息融合目标识别 | 第51-74页 |
| ·多传感器信息融合的定义与原理 | 第51-52页 |
| ·多传感器信息融合定义 | 第51页 |
| ·多传感器信息融合原理 | 第51-52页 |
| ·多传感信息融合的常见算法及关键问题 | 第52-55页 |
| ·常见的多传感器信息融合算法 | 第52-54页 |
| ·信息融合技术的关键问题 | 第54页 |
| ·信息融合的优势 | 第54-55页 |
| ·多传感器数据融合的模型及层次 | 第55-57页 |
| ·常见的多传感器数据融合模型 | 第55-56页 |
| ·多传感器数据融合功能层次 | 第56-57页 |
| ·基于 D-S 证据理论的信息融合算法设计 | 第57-62页 |
| ·基于 D-S 证据理论的信息融合 | 第57-59页 |
| ·D-S 证据理论信息融合算法的改进 | 第59-60页 |
| ·D-S 证据理论改进算法测试 | 第60-62页 |
| ·基于 BP 神经网络的信息融合模型设计 | 第62-71页 |
| ·神经网络概述 | 第62-65页 |
| ·人工神经网络训练 | 第65-66页 |
| ·BP 神经网络的结构设计 | 第66-67页 |
| ·BP 神经网络的训练 | 第67-69页 |
| ·BP 神经网络的测试 | 第69-71页 |
| ·基于 BP 网络与 D-S 证据理论的多传感器信息融合结构设计 | 第71-73页 |
| ·驾驶行为目标识别模型 | 第71-72页 |
| ·多传感器数据协调与同步方法 | 第72-73页 |
| ·主要研究内容总结 | 第73-74页 |
| 第四章 车载视觉系统设计 | 第74-91页 |
| ·摄像机成像模型概述 | 第74-77页 |
| ·摄像机成像模型 | 第74-75页 |
| ·针孔成像模型 | 第75-77页 |
| ·摄像机标定 | 第77-82页 |
| ·摄像机标定概述 | 第77页 |
| ·摄像机需标定参数 | 第77-82页 |
| ·道路线图像预处理与提取 | 第82-86页 |
| ·高斯图像滤波处理 | 第82-83页 |
| ·灰度图像的二值化处理 | 第83-84页 |
| ·sobel 算子边缘检测 | 第84-85页 |
| ·道路的直线模型及检测 | 第85-86页 |
| ·车道夹角及车道距离计算 | 第86-90页 |
| ·摄像机安装及计算公式推导 | 第86-89页 |
| ·测试结果 | 第89-90页 |
| ·本章主要研究内容 | 第90-91页 |
| 第五章 基于虚拟传感器的常见驾驶行为识别方法研究 | 第91-100页 |
| ·概述 | 第91-92页 |
| ·需识别的驾驶行为及分类 | 第91页 |
| ·采用的驾驶行为模型 | 第91-92页 |
| ·虚拟传感器定义与应用 | 第92页 |
| ·疲劳驾驶行为识别方法 | 第92-95页 |
| ·疲劳驾驶行为检测方法概述 | 第92-93页 |
| ·基于运动的检测方法 | 第93页 |
| ·基于生理特征的检测方法 | 第93-94页 |
| ·基于方向盘的特征及信息融合的疲劳驾驶行为识别 | 第94-95页 |
| ·紧急转向及一般转向的驾驶行为识别 | 第95页 |
| ·跑偏及占道驾驶行为识别 | 第95-99页 |
| ·跑偏与占道驾驶定义 | 第95页 |
| ·TLC 跑偏检测算法 | 第95-97页 |
| ·跑偏与占道驾驶行为识别 | 第97-99页 |
| ·加减及匀速驾驶行为跟踪 | 第99页 |
| ·本章主要研究内容 | 第99-100页 |
| 第六章 基于ARM+DSP双核软硬件仿真平台设计及测试 | 第100-116页 |
| ·硬件仿真平台框架概述 | 第100页 |
| ·多传感器数据采集单元设计 | 第100-103页 |
| ·常用汽车传感器介绍 | 第100-101页 |
| ·基于STC89C51RC 单片机的数据采集单元设计 | 第101-102页 |
| ·数据采集流程 | 第102-103页 |
| ·基于DSP的视觉传感器系统设计 | 第103-105页 |
| ·TMS320DM642 芯片介绍 | 第103-104页 |
| ·合众达SEED-VPM642 实时图像处理DSP 开发板 | 第104页 |
| ·CCD 视觉传感器 | 第104-105页 |
| ·基于ARM 的多传感器数据融合中心设计 | 第105-107页 |
| ·基于s3c2440 的ARM9 主控开发板选型 | 第105-106页 |
| ·嵌入式Linux 移植 | 第106-107页 |
| ·界面设计 | 第107页 |
| ·构建嵌入式Linux软件开发环境 | 第107-109页 |
| ·嵌入式Linux 概述 | 第107-108页 |
| ·主机系统与目标系统 | 第108-109页 |
| ·配置NFS 服务器及串口通信 | 第109页 |
| ·仿真平台测试 | 第109-115页 |
| ·本章主要研究内容 | 第115-116页 |
| 第七章 本文研究工作总结及未来研究方向与内容 | 第116-117页 |
| 参考文献 | 第117-127页 |
| 攻读博士学位期间发表的论文 | 第127页 |
| 攻读博士学位期间主持的课题项目 | 第127页 |
