交通信号灯检测、跟踪、定位与识别方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-22页 |
| ·本论文研究的目的和意义 | 第10-11页 |
| ·国内外研究现状及发展趋势 | 第11-20页 |
| ·交通信号灯识别系统的架构 | 第11-13页 |
| ·交通信号灯的检测与识别 | 第13-16页 |
| ·交通信号灯的跟踪 | 第16-17页 |
| ·交通信号灯的定位与先验数据库 | 第17-20页 |
| ·论文主要内容及章节安排 | 第20-22页 |
| 第2章 系统架构 | 第22-30页 |
| ·无人驾驶平台的硬件构成 | 第22-26页 |
| ·平台选择 | 第22-23页 |
| ·硬件架构 | 第23-26页 |
| ·交通信号灯识别系统的软件架构 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 传感器的时空对准 | 第30-42页 |
| ·基于 ICP 的激光雷达间空间对准 | 第30-34页 |
| ·标定数据的处理原理 | 第33-34页 |
| ·标定结果 | 第34页 |
| ·相机的内参标定 | 第34-36页 |
| ·成像模型与标定参数 | 第35页 |
| ·标定结果 | 第35-36页 |
| ·基于光流法的相机与惯导时间对准 | 第36-41页 |
| ·对准方案 | 第37页 |
| ·基于光流法的运动提取 | 第37-38页 |
| ·滤波与对准 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 交通信号灯的检测与识别 | 第42-56页 |
| ·基于色彩分类器的检测算法 | 第42-51页 |
| ·图像下采样 | 第43-44页 |
| ·基于 HSV 的色彩分类器 | 第44-48页 |
| ·图像分割 | 第48-51页 |
| ·基于边缘凹凸的识别算法 | 第51-55页 |
| ·边缘提取 | 第51-52页 |
| ·基于计算几何思想的凸凹量化 | 第52-54页 |
| ·形状匹配 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 交通信号灯的定位 | 第56-64页 |
| ·交通信号灯定位的基本原理 | 第56-57页 |
| ·基于概率模型的定位算法 | 第57-61页 |
| ·实验与分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 交通信号灯的跟踪 | 第64-74页 |
| ·基于数据关联的信号灯跟踪 | 第64-66页 |
| ·运动模型 | 第66-68页 |
| ·信号灯位置的预测 | 第68-71页 |
| ·实验与分析 | 第71-72页 |
| ·本章小结 | 第72-74页 |
| 第7章 城市环境下的地图构建与定位 | 第74-81页 |
| ·基于图像处理的 SLAM 算法原理 | 第74-75页 |
| ·算法实现方法 | 第75-78页 |
| ·实验与分析 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 结论 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 攻读学位期间发表论文与研究成果清单 | 第85-86页 |
| 致谢 | 第86页 |
