基于单目视觉的汽车自动导航技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-23页 |
| ·课题研究背景、目的和意义 | 第13页 |
| ·计算机视觉研究应用现状 | 第13-15页 |
| ·AGV系统研究发展现状 | 第15-17页 |
| ·本文主要研究内容 | 第17-21页 |
| ·本文主要创新点 | 第21页 |
| ·本文章节安排 | 第21-23页 |
| 第二章 摄像机标定技术研究 | 第23-40页 |
| ·简介 | 第23-25页 |
| ·传统的摄像机标定方法 | 第23-24页 |
| ·摄像机自标定技术 | 第24-25页 |
| ·摄像机成像几何模型 | 第25-31页 |
| ·欧氏平面、欧氏空间变换 | 第26-27页 |
| ·摄像机成像模型 | 第27-31页 |
| ·基于平移运动的摄像机内参自标定算法 | 第31-37页 |
| ·极点、FOE及其性质讨论 | 第31-32页 |
| ·基于平移运动的摄像机内参自标定算法 | 第32-33页 |
| ·内参自标定试验及结论 | 第33-37页 |
| ·AGV系统设定下摄像机的外参标定 | 第37-38页 |
| ·透视反变换 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 道路标志检测和道路场景重建 | 第40-73页 |
| ·简介 | 第40-41页 |
| ·图像预处理:基于颜色特征的图像亮度调整 | 第41-48页 |
| ·彩色模型 | 第43-44页 |
| ·基于颜色特征的图像亮度计算 | 第44-45页 |
| ·序列图像的亮度调整 | 第45-46页 |
| ·试验与结论 | 第46-48页 |
| ·基于直线模型的道路场景重建 | 第48-65页 |
| ·道路的直线模型 | 第48页 |
| ·基于模糊推理的边界检测算法 | 第48-53页 |
| ·基于Hough的直线检测及其道路场景重建 | 第53-57页 |
| ·基于最小特征根的直线检测方法 | 第57-65页 |
| ·基于二次曲线模型的道路场景重建 | 第65-72页 |
| ·道路的二次曲线模型 | 第65-66页 |
| ·基于向下投影的道路标志检测及道路场景重建 | 第66-72页 |
| ·本章小结 | 第72-73页 |
| 第四章 障碍物检测技术研究 | 第73-97页 |
| ·简介 | 第73-75页 |
| ·道路区域的提取 | 第75页 |
| ·基于FCM算法的障碍物图像分割 | 第75-95页 |
| ·简介 | 第76-78页 |
| ·FCM算法初始值获取算法研究 | 第78-85页 |
| ·FCM的快速算法讨论:WFCM算法 | 第85-91页 |
| ·以WFCM为基础的二步迭代法 | 第91-95页 |
| ·障碍物的空间定位 | 第95页 |
| ·本章小结 | 第95-97页 |
| 第五章 AGV原型试验车的视觉伺服实现 | 第97-107页 |
| ·简介 | 第97页 |
| ·AGV原型系统硬件结构实现 | 第97-99页 |
| ·原型小车动力学模型 | 第99-103页 |
| ·车体结构的运动学模型 | 第99-100页 |
| ·车体位置模型 | 第100-103页 |
| ·基于图像的视觉伺服机构实现 | 第103-104页 |
| ·视觉伺服机构简介 | 第103-104页 |
| ·PID运动控制器设计 | 第104页 |
| ·车体运动控制试验 | 第104-106页 |
| ·本章小结 | 第106-107页 |
| 第六章 结论与展望 | 第107-109页 |
| ·结论 | 第107-108页 |
| ·展望 | 第108-109页 |
| 参考文献 | 第109-123页 |
| 致谢 | 第123页 |
