摘要 | 第6-7页 |
Abstract | 第7页 |
第1章 绪论 | 第11-18页 |
1.1 研究背景与意义 | 第11-13页 |
1.2 国内外智能车辆研究现状 | 第13-15页 |
1.2.1 国外智能车辆研究现状 | 第13-14页 |
1.2.2 国内智能车辆研究现状 | 第14-15页 |
1.3 本文的研究内容和结构 | 第15-18页 |
1.3.1 研究的主要内容 | 第15-16页 |
1.3.2 论文框架结构 | 第16-18页 |
第2章 车辆检测和测距算法介绍 | 第18-25页 |
2.1 车辆检测算法介绍 | 第18-22页 |
2.1.1 基于运动型的车辆检测 | 第18-20页 |
2.1.2 基于机器学习型的车辆检测 | 第20-21页 |
2.1.3 基于特征型的车辆检测 | 第21-22页 |
2.2 车辆测距算法介绍 | 第22-23页 |
2.2.1 激光测距 | 第22页 |
2.2.2 超声波测距 | 第22页 |
2.2.3 毫米波雷达测距 | 第22页 |
2.2.4 红外线测距 | 第22-23页 |
2.2.5 机器视觉测距 | 第23页 |
2.3 摄像机标定算法介绍 | 第23-24页 |
2.4 本章小结 | 第24-25页 |
第3章 前方车辆检测算法 | 第25-43页 |
3.1 改进图像预处理方法 | 第25-28页 |
3.2 车辆检测ROI区域的确定 | 第28-32页 |
3.2.1 有效区域的设定 | 第28-29页 |
3.2.2 路面边缘的增强 | 第29-30页 |
3.2.3 利用Hough变换检测车道边缘 | 第30-32页 |
3.3 改进的光流算法检测前方车辆 | 第32-38页 |
3.3.1 Horn-Schunck光流算法 | 第35-36页 |
3.3.2 基于高斯金字塔的H.S光流法的改进 | 第36-38页 |
3.4 基于ADABOOST树形分类器的车辆识别算法 | 第38-42页 |
3.4.1 类Haar特征 | 第38-39页 |
3.4.2 AdaBoost分类器 | 第39-41页 |
3.4.3 类Haar特征和AdaBoost分类器的车辆识别算法 | 第41-42页 |
3.4.4 检测结果 | 第42页 |
3.5 本章小结 | 第42-43页 |
第4章 基于单目视觉的前方车辆测距算法 | 第43-51页 |
4.1 摄像头成像原理 | 第43-47页 |
4.2 坐标系之间的转换 | 第47-49页 |
4.3 基于单目视觉的几何模型推导算法 | 第49-50页 |
4.4 本章小结 | 第50-51页 |
第5章 基于MATLAB平台的实现 | 第51-55页 |
5.1 CCD图像传感器 | 第51页 |
5.2 基于MATLAB计算机视觉系统工具箱简介 | 第51-52页 |
5.3 实验结果及分析 | 第52-54页 |
5.4 本章小结 | 第54-55页 |
结论 | 第55-57页 |
参考文献 | 第57-60页 |
致谢 | 第60-61页 |
攻读硕士期间发表(含录用)的学术论文 | 第61页 |