现代有轨电车障碍物识别技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 课题研究目的及意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 本文主要工作及内容安排 | 第12-14页 |
| 第二章 疑似障碍物检测 | 第14-26页 |
| 2.1 引言 | 第14页 |
| 2.2 图像预处理 | 第14-22页 |
| 2.2.1 图像灰度化 | 第15-16页 |
| 2.2.2 图像去噪 | 第16-18页 |
| 2.2.3 图像增强 | 第18-19页 |
| 2.2.4 图像的边缘检测 | 第19-22页 |
| 2.3 疑似障碍物的筛选 | 第22-25页 |
| 2.3.1 疑似障碍物的筛选方法 | 第23-24页 |
| 2.3.2 试验结果及分析 | 第24-25页 |
| 2.4 小结 | 第25-26页 |
| 第三章 运动目标提取 | 第26-35页 |
| 3.1 引言 | 第26页 |
| 3.2 复杂背景下运动目标提取方法 | 第26-28页 |
| 3.3 运动补偿算法 | 第28-32页 |
| 3.3.1 径向运动补偿 | 第28-29页 |
| 3.3.2 像素值重分配 | 第29-32页 |
| 3.3.3 运动目标检测实现步骤 | 第32页 |
| 3.4 试验结果及分析 | 第32-34页 |
| 3.5 小结 | 第34-35页 |
| 第四章 障碍物识别 | 第35-49页 |
| 4.1 引言 | 第35页 |
| 4.2 图像识别基本理论 | 第35-37页 |
| 4.2.1 PCA特征提取概述 | 第36页 |
| 4.2.2 BP神经网络 | 第36-37页 |
| 4.3 行人和车辆数据库的建立 | 第37-44页 |
| 4.3.1 训练样本库的建立 | 第37-41页 |
| 4.3.2 测试图像的提取 | 第41-44页 |
| 4.4 基于BP神经网络的障碍物识别 | 第44-48页 |
| 4.4.1 PCA特征提取 | 第44-46页 |
| 4.4.2 BP神经网络的训练 | 第46-47页 |
| 4.4.3 试验结果及分析 | 第47-48页 |
| 4.5 小结 | 第48-49页 |
| 第五章 系统软件原型及其实现 | 第49-52页 |
| 5.1 软件组成模块 | 第49-50页 |
| 5.2 软件设计 | 第50页 |
| 5.3 系统运行结果及分析 | 第50-51页 |
| 5.4 小结 | 第51-52页 |
| 第六章 工作总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 本文的特点和创新之处 | 第52-53页 |
| 6.3 未来工作的展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士期间的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
