基于多传感器的车辆局部交通环境感知
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第1章 绪论 | 第14-26页 |
| ·选题背景及研究意义 | 第14-17页 |
| ·课题背景 | 第14-16页 |
| ·研究意义 | 第16-17页 |
| ·国内外研究现状及发展前景 | 第17-23页 |
| ·国外研究现状 | 第17-21页 |
| ·国内研究现状 | 第21-22页 |
| ·智能驾驶系统的发展前景 | 第22-23页 |
| ·本论文的研究内容 | 第23-26页 |
| 第2章 基于雷达的交通环境感知 | 第26-38页 |
| ·雷达在汽车安全系统中的应用 | 第26-27页 |
| ·毫米波雷达的交通环境感知 | 第27-31页 |
| ·毫米波雷达硬件介绍 | 第27-28页 |
| ·毫米波雷达数据获取与解析 | 第28-30页 |
| ·毫米波雷达目标检测试验 | 第30-31页 |
| ·激光雷达的交通环境感知 | 第31-37页 |
| ·激光雷达硬件介绍 | 第32-33页 |
| ·激光雷达数据获取与解析 | 第33-37页 |
| ·小结 | 第37-38页 |
| 第3章 基于道路图像的处理的车道线识别 | 第38-70页 |
| ·图像的灰度化 | 第38-39页 |
| ·图像的平滑与滤波 | 第39-42页 |
| ·邻域平均法 | 第39-40页 |
| ·加权平均法 | 第40页 |
| ·选择式掩膜平滑法 | 第40-42页 |
| ·图像的二值化 | 第42-46页 |
| ·自适应阈值分割法 | 第42-43页 |
| ·改进大津法 | 第43-45页 |
| ·逐行阈值分割法 | 第45-46页 |
| ·车道线的边缘提取 | 第46-52页 |
| ·Robert 算子 | 第47页 |
| ·Sobel 算子 | 第47-48页 |
| ·Prewitt 算子 | 第48-49页 |
| ·Laplacian 算子 | 第49页 |
| ·Canny 算子 | 第49-51页 |
| ·边缘算子试验结果与结论 | 第51-52页 |
| ·轮廓提取法 | 第52页 |
| ·车道标识线的识别 | 第52-63页 |
| ·道路模型 | 第53页 |
| ·Hough 变换 | 第53-58页 |
| ·最小二乘拟合法 | 第58-63页 |
| ·车道线检测方法比较 | 第63-68页 |
| ·小结 | 第68-70页 |
| 第4章 摄像机标定与双目测距 | 第70-90页 |
| ·引言 | 第70页 |
| ·摄像机硬件的介绍 | 第70-72页 |
| ·摄像机模型与标定 | 第72-77页 |
| ·坐标系的介绍 | 第72-73页 |
| ·摄像机模型 | 第73-76页 |
| ·三维空间与二维投影的数学模型 | 第76-77页 |
| ·张正友二维靶标标定方法 | 第77-81页 |
| ·标定方法介绍 | 第77-79页 |
| ·摄像机标定试验及结果验证 | 第79-81页 |
| ·双目摄像机三维重建 | 第81-88页 |
| ·双目摄像机模型 | 第81-82页 |
| ·三维重建原理 | 第82-85页 |
| ·视差图测距 | 第85-88页 |
| ·小结 | 第88-90页 |
| 第5章 基于视觉的障碍物检测 | 第90-104页 |
| ·车辆的初定位 | 第90-93页 |
| ·车辆的精确定位 | 第93-97页 |
| ·基于 Kalman 滤波的车辆跟踪 | 第97-101页 |
| ·Kalman 滤波技术 | 第98-100页 |
| ·车辆跟踪 | 第100-101页 |
| ·车辆检测跟踪试验 | 第101-102页 |
| ·小结 | 第102-104页 |
| 第6章 系统架构与试验研究 | 第104-118页 |
| ·系统架构 | 第104-108页 |
| ·硬件架构 | 第104-106页 |
| ·软件架构 | 第106-108页 |
| ·综合实验 | 第108-116页 |
| ·道路描述 | 第108-109页 |
| ·坐标系的统一 | 第109-113页 |
| ·道路试验 | 第113-116页 |
| ·小结 | 第116-118页 |
| 第7章 全文总结与展望 | 第118-120页 |
| ·全文总结 | 第118-119页 |
| ·工作展望 | 第119-120页 |
| 参考文献 | 第120-124页 |
| 作者简介及在学期间所取得的科研成果 | 第124-126页 |
| 致谢 | 第126页 |
