| 中文摘要 | 第2-3页 |
| Abstract | 第3页 |
| 中文文摘 | 第4-8页 |
| 绪论 | 第8-12页 |
| 第一节 课题背景和研究意义 | 第8页 |
| 第二节 国内外研究现状 | 第8-10页 |
| 第三节 机器视觉介绍 | 第10页 |
| 第四节 论文的主要工作和章节安排 | 第10-12页 |
| 第一章 行车防碰撞预警系统整体方案与选取 | 第12-20页 |
| 第一节 前车测距方案的比较和选取 | 第12-13页 |
| 1.1.1 超声波测距 | 第12页 |
| 1.1.2 红外线测距 | 第12页 |
| 1.1.3 激光测距 | 第12-13页 |
| 1.1.4 雷达测距 | 第13页 |
| 1.1.5 摄像测距系统 | 第13页 |
| 第二节 车辆检测方案的比较和选取 | 第13-17页 |
| 1.2.1 基于先验知识的车辆检测方法 | 第13-15页 |
| 1.2.2 基于立体视觉的车辆检测方法 | 第15-16页 |
| 1.2.3 基于运动信息的车辆检测方法 | 第16页 |
| 1.2.4 基于机器学习算法的车辆检测方法 | 第16-17页 |
| 第三节 车辆跟踪方案的比较和选取 | 第17-19页 |
| 1.3.1 基于Kalman滤波的车辆跟踪方法 | 第17页 |
| 1.3.2 基于Mean Shift的目标跟踪方法 | 第17-18页 |
| 1.3.3 基于粒子滤波的目标跟踪方法 | 第18-19页 |
| 1.3.4 基于时空环境学习车辆跟踪 | 第19页 |
| 第四节 本章小结 | 第19-20页 |
| 第二章 系统相关的算法和实现 | 第20-32页 |
| 第一节 平面约束下车载摄像头标定算法 | 第20-27页 |
| 2.1.1 平面约束下相机标定原理 | 第20-23页 |
| 2.1.2 广义回归神经网络的相机标定 | 第23-27页 |
| 第二节 车辆检测算法与实现 | 第27-30页 |
| 2.2.1 基于AdaBoost车辆检测原理 | 第27-28页 |
| 2.2.2 基于AdaBoost车辆检测的实现 | 第28-30页 |
| 第三节 车辆跟踪算法 | 第30-31页 |
| 第四节 本章小结 | 第31-32页 |
| 第三章 系统硬件结构 | 第32-38页 |
| 第一节 车载摄像头 | 第32-33页 |
| 第二节 机器视觉网关XC-4412 | 第33-35页 |
| 3.2.1 XC-4412核心板介绍 | 第33-34页 |
| 3.2.2 XC-4412底板介绍 | 第34-35页 |
| 第三节 显示模块 | 第35-36页 |
| 第四节 本章小结 | 第36-38页 |
| 第四章 算法的机器视觉网关移植 | 第38-48页 |
| 第一节 Linux+Qt系统移植 | 第38-40页 |
| 第二节 开源图像处理库OpenCV移植 | 第40-43页 |
| 第三节 算法的整体移植 | 第43-46页 |
| 第四节 本章小结 | 第46-48页 |
| 第五章 实验结果分析与结论 | 第48-52页 |
| 第一节 实验结果分析 | 第48-50页 |
| 第二节 结论与展望 | 第50-52页 |
| 5.2.1 系统总结 | 第50页 |
| 5.2.2 存在的不足与展望 | 第50-52页 |
| 附录 | 第52-60页 |
| 参考文献 | 第60-64页 |
| 攻读学位期间承担的科研任务与主要成果 | 第64-66页 |
| 致谢 | 第66-68页 |
| 个人简历 | 第68-71页 |