智能车的前方车辆检测和预警算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第14-23页 |
| 1.1 研究背景和意义 | 第14-17页 |
| 1.1.1 研究背景 | 第14-16页 |
| 1.1.2 研究意义 | 第16-17页 |
| 1.2 智能车前方障碍物检测技术研究现状 | 第17-21页 |
| 1.2.1 国外智能车前方障碍物检测技术研究现状 | 第17-19页 |
| 1.2.2 国内智能车前方障碍物检测技术研究现状 | 第19-21页 |
| 1.3 本文的主要研究内容 | 第21-22页 |
| 1.4 本文组织结构 | 第22-23页 |
| 第2章 智能车前方车辆检测和预警系统设计 | 第23-35页 |
| 2.1 典型智能车障碍物检测与安全防撞系统 | 第23-28页 |
| 2.2 智能车前方车辆检测系统总体设计 | 第28-34页 |
| 2.2.1 智能车前方车辆检测系统的硬件构成 | 第28-30页 |
| 2.2.2 智能车前方障碍物检测系统算法概述 | 第30-32页 |
| 2.2.3 智能车前方车辆检测软件系统概述 | 第32-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第3章 智能车辆前方图像的预处理方法 | 第35-44页 |
| 3.1 智能车前方图像的去噪 | 第35-37页 |
| 3.2 智能车前方图像的边缘提取 | 第37-41页 |
| 3.2.1 SOBEL边缘检测 | 第38-39页 |
| 3.2.2 CANNY边缘检测 | 第39-40页 |
| 3.2.3 LOG边缘检测 | 第40-41页 |
| 3.3 智能车前方图像的二值化 | 第41-42页 |
| 3.3.1 OTSU法 | 第41-42页 |
| 3.3.2 根据路面提取阈值 | 第42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 智能车前方车辆的检测 | 第44-56页 |
| 4.1 前方车辆检测的假设阶段 | 第44-46页 |
| 4.2 前车车辆检测的验证阶段 | 第46-53页 |
| 4.2.1 HOG特征计算 | 第48-49页 |
| 4.2.2 对称特征的计算 | 第49-52页 |
| 4.2.3 分层HOG对称特征 | 第52-53页 |
| 4.3 前方车辆检测结果分析 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章智能车前方车辆的预警系统 | 第56-73页 |
| 5.1 行驶过程中的车辆安全距离模型 | 第56-59页 |
| 5.1.1 驾驶行为分析 | 第56-57页 |
| 5.1.2 车辆安全距离模型分析 | 第57页 |
| 5.1.3 车辆安全距离的估算 | 第57-59页 |
| 5.2 模糊预警算法 | 第59-70页 |
| 5.2.1 模糊数学理论 | 第59-63页 |
| 5.2.2 模糊预警算法 | 第63-70页 |
| 5.2.2.1 障碍物大小 | 第63-64页 |
| 5.2.2.2 障碍物位置 | 第64-66页 |
| 5.2.2.3 障碍物前后帧距离的变化 | 第66-68页 |
| 5.2.2.4 模糊预警 | 第68-70页 |
| 5.3 预警结果分析 | 第70-72页 |
| 5.3.1 结果分析 | 第70-72页 |
| 5.3.2 预警算法优缺点 | 第72页 |
| 5.4 本章总结 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 总结 | 第73-74页 |
| 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 附录A 攻读硕士学位期间所获论文和专利 | 第80-81页 |
| 附录B 攻读学位期间所参加的科研项目目录 | 第81页 |
