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 |