首页--交通运输论文--公路运输论文--汽车工程论文--汽车结构部件论文--电气设备及附件论文

基于毫米波雷达与机器视觉融合的前方车辆检测研究

摘要第1-6页
ABSTRACT第6-11页
第1章 绪论第11-23页
   ·研究背景和意义第11-12页
   ·国内外车辆检测技术的研究现状第12-19页
     ·机器视觉第12-15页
     ·毫米波雷达第15-16页
     ·微波雷达第16页
     ·激光雷达第16-17页
     ·超声波和红外传感器第17页
     ·基于多传感器信息融合的车辆检测方法第17-19页
   ·论文的主要工作和章节安排第19-21页
   ·本章小结第21-23页
第2章 基于毫米波雷达的有效目标确定第23-33页
   ·毫米波雷达第23-24页
   ·毫米波雷达数据接收与预处理第24-26页
   ·有效目标初选方法第26-27页
   ·目标有效性检验和决策方法第27-30页
   ·实验验证第30-31页
   ·本章小结第31-33页
第3章 基于机器视觉的前方车辆识别第33-57页
   ·Adaboost 算法第33-34页
   ·基于 Adaboost 的识别算法第34-45页
     ·Haar-like 矩形特征第34-36页
     ·扩展的矩形特征第36页
     ·矩形特征值的计算第36-39页
     ·Adaboost 算法第39-43页
     ·级联分类器第43-45页
   ·基于 Haar-like 特征与 Adaboost 相结合的车辆前方识别第45-56页
     ·图像预处理第46-48页
     ·基于 OpenCV 实现第48-50页
     ·实验结果验证分析第50-56页
   ·本章小结第56-57页
第4章 基于毫米波雷达与机器视觉融合模型的搭建第57-73页
   ·空间上融合第57-66页
     ·毫米波雷达坐标系与三维世界坐标系转换第57-58页
     ·三维世界坐标系与摄像机坐标系转换第58-63页
     ·摄像机内部参数的标定原理第63-64页
     ·摄像机镜头畸变原理第64-66页
   ·空间融合参数的求取第66-70页
     ·实验平台第66页
     ·摄像机内、外参数及畸变参数的求取第66-70页
   ·时间上融合第70页
   ·融合模型验证第70-72页
   ·本章小结第72-73页
第5章 全文总结第73-75页
   ·主要研究工作和结论第73页
   ·不足与展望第73-75页
参考文献第75-79页
作者简介第79-81页
致谢第81页

论文共81页,点击 下载论文
上一篇:基于数据驱动预测控制方法的DCT换挡控制及FPGA实现
下一篇:基于人—车—环境的双离合器自动变速器换挡策略研究