基于视觉的智能车前方运动车辆检测与测距方法的研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题的研究背景 | 第10-11页 |
| 1.2 课题的研究意义 | 第11-12页 |
| 1.3 国内外研究动态 | 第12-16页 |
| 1.3.1 国外研究动态 | 第12-14页 |
| 1.3.2 国内研究动态 | 第14-16页 |
| 1.4 本文的主要工作和结构安排 | 第16-18页 |
| 第二章 道路图像的预处理 | 第18-38页 |
| 2.1 图像剪裁 | 第18-19页 |
| 2.2 图像灰度化 | 第19-21页 |
| 2.3 图像滤波 | 第21-26页 |
| 2.3.1 均值滤波法 | 第21-23页 |
| 2.3.2 中值滤波法 | 第23-24页 |
| 2.3.3 自适应滤波法 | 第24-26页 |
| 2.4 图像二值化 | 第26-30页 |
| 2.4.1 双峰法 | 第26-27页 |
| 2.4.2 迭代法 | 第27-28页 |
| 2.4.3 最大类间方差法 | 第28-30页 |
| 2.5 图像边缘检测 | 第30-36页 |
| 2.5.1 梯度算子 | 第31-33页 |
| 2.5.2 二阶微分算子 | 第33-35页 |
| 2.5.3 边缘检测算子的效果对比 | 第35-36页 |
| 2.6 图像预处理方案 | 第36-37页 |
| 2.7 本章小结 | 第37-38页 |
| 第三章 车道线检测技术 | 第38-46页 |
| 3.1 道路模型假设 | 第38-40页 |
| 3.2 车道线检测方法 | 第40-41页 |
| 3.3 Hough 变换的基本原理 | 第41-43页 |
| 3.4 改进的 Hough 变换算法 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 前方运动车辆检测技术的研究 | 第46-68页 |
| 4.1 路面有效区域的划定 | 第46-47页 |
| 4.2 基于阴影特征的前方车辆初步检测 | 第47-56页 |
| 4.2.1 车辆的基本特征 | 第47-48页 |
| 4.2.2 车底阴影分割算法分析 | 第48-50页 |
| 4.2.3 车底阴影的修正 | 第50-54页 |
| 4.2.4 感兴趣区域的确定 | 第54-56页 |
| 4.3 基于多种特征的前方车辆假设验证 | 第56-63页 |
| 4.3.1 车辆纹理特征的假设验证 | 第56-60页 |
| 4.3.2 车辆灰度对称特征的假设验证 | 第60-63页 |
| 4.4 车辆检测方案设计及实验仿真 | 第63-65页 |
| 4.5 基于多种特征的 ROI 验证算法对比 | 第65-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 单目视觉测距方法的研究 | 第68-84页 |
| 5.1 单目视觉投影模型的建立 | 第68-72页 |
| 5.1.1 坐标系及坐标转换关系 | 第68-69页 |
| 5.1.2 针孔模型 | 第69-70页 |
| 5.1.3 摄像机内参数模型 | 第70-72页 |
| 5.1.4 摄像机外参数模型 | 第72页 |
| 5.1.5 视觉投影模型 | 第72页 |
| 5.2 几何测距模型 | 第72-76页 |
| 5.3 摄像机内参数的标定方法 | 第76-78页 |
| 5.4 实验与结果分析 | 第78-83页 |
| 5.4.1 系统设计 | 第78-79页 |
| 5.4.2 摄像机内参数标定实验 | 第79-81页 |
| 5.4.3 测距实验及结果分析 | 第81-82页 |
| 5.4.4 本文测距方法与文献测距方法结果对比 | 第82-83页 |
| 5.5 本章小结 | 第83-84页 |
| 第六章 全文总结与展望 | 第84-86页 |
| 6.1 全文总结 | 第84-85页 |
| 6.2 工作展望 | 第85-86页 |
| 参考文献 | 第86-92页 |
| 致谢 | 第92-94页 |
| 攻读学位期间发表的学术论文 | 第94页 |
