基于多特征融合的复杂野外环境下水体障碍物的检测
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| 第一节 ALV 研究中的关键技术及模块 | 第8-14页 |
| 一、ALV 概况 | 第8-14页 |
| (一) ALV 研究中的关键技术 | 第9-10页 |
| (二) ALV 研究的国际背景与现状 | 第10-13页 |
| (三) 中国的 ALV 研究与发展现状 | 第13-14页 |
| 第二节 障碍物检测 | 第14-15页 |
| 第三节 水面检测概况 | 第15-16页 |
| 一、检测水体障碍物的意义 | 第15页 |
| 二、水面检测概况与现状 | 第15-16页 |
| 第四节 本文研究的内容 | 第16-18页 |
| 第二章 水面的基本检测方法 | 第18-25页 |
| 第一节 基于亮度的特征提取 | 第18-21页 |
| 一、RGB 颜色模式与亮度关系 | 第18-19页 |
| 二、基于水面的亮度特征的提取 | 第19-21页 |
| 第二节 基于水面纹理特征的提取 | 第21-23页 |
| 一、描述纹理的方法 | 第22页 |
| 二、水面图片纹理的描述 | 第22-23页 |
| 三、提取水面纹理特征 | 第23页 |
| 第三节 亮度特征和纹理特征融合 | 第23-25页 |
| 第三章 三维重建 | 第25-43页 |
| 第一节 立体视觉介绍 | 第25-27页 |
| 一、视差理论 | 第26页 |
| 二、立体视觉的不确定性 | 第26-27页 |
| 第二节 立体视觉摄像机定标 | 第27-33页 |
| 一、摄像机模型 | 第28-29页 |
| 二、摄像机标定 | 第29-33页 |
| 第三节 极线几何与配准 | 第33-38页 |
| 一、极线几何 | 第34-35页 |
| 二、外极线配准 | 第35-38页 |
| 第四节 立体图像对匹配 | 第38-43页 |
| 一、基于区域的立体匹配方法 | 第39-40页 |
| 二、相似性度量因子的选择 | 第40-43页 |
| 第四章 倒影检测 | 第43-52页 |
| 第一节 双目立体视觉原理 | 第43-45页 |
| 第二节 由摄像机坐标系到车体坐标系 | 第45-47页 |
| 第三节 提取水面倒影部分及多特征融合 | 第47-52页 |
| 一、水面倒影检测 | 第47-49页 |
| 二、多种特征融合 | 第49-52页 |
| 第五章 支持向量机初探 | 第52-60页 |
| 第一节 机器学习 | 第52-54页 |
| 一、传统机器学习理论的困难 | 第52-53页 |
| 二、统计学习 | 第53-54页 |
| 第二节 支持向量机(SVM) | 第54-60页 |
| 一、VC 维介绍 | 第54页 |
| 二、最优超平面 | 第54-57页 |
| 三、非线形变换 | 第57页 |
| 四、水面亮度特征检测(SVM 方法) | 第57-59页 |
| 五、下计划一步 | 第59-60页 |
| 第六章 总结和展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 期间发表的论文 | 第64-65页 |
| 致谢 | 第65-66页 |
