机器视觉与毫米波雷达融合的前方车辆检测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 本课题研究的背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 基于机器视觉的前方车辆检测 | 第12-13页 |
| 1.2.2 基于毫米波雷达的前方车辆检测 | 第13-14页 |
| 1.2.3 基于多传感器融合的前方车辆检测 | 第14-16页 |
| 1.3 本文研究的主要内容及章节安排 | 第16-18页 |
| 第2章 基于毫米波雷达的有效目标确定 | 第18-29页 |
| 2.1 毫米波雷达特性 | 第18-19页 |
| 2.2 毫米波雷达测距测速原理 | 第19-21页 |
| 2.2.1 探测静态目标 | 第19-20页 |
| 2.2.2 探测动态目标 | 第20-21页 |
| 2.3 毫米波雷达选型 | 第21-23页 |
| 2.4 毫米波雷达有效目标选取 | 第23-27页 |
| 2.4.1 雷达安装及坐标系统 | 第23页 |
| 2.4.2 雷达数据接收与解析 | 第23-24页 |
| 2.4.3 雷达有效目标确定 | 第24-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 基于机器视觉的前方车辆检测 | 第29-44页 |
| 3.1 Adaboost算法 | 第29-36页 |
| 3.1.1 Adaboost算法原理 | 第29-31页 |
| 3.1.2 Haar-like矩形特征 | 第31-34页 |
| 3.1.3 Adaboost分类器训练 | 第34-36页 |
| 3.2 检测算法优化 | 第36-40页 |
| 3.2.1 相机安装与道路纵向测距模型 | 第36-37页 |
| 3.2.2 道路区域分割 | 第37-39页 |
| 3.2.3 检测窗口多尺度优化 | 第39-40页 |
| 3.3 压缩跟踪算法 | 第40-43页 |
| 3.3.1 压缩跟踪算法原理 | 第40-42页 |
| 3.3.2 压缩跟踪算法流程 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 毫米波雷达与机器视觉融合模型搭建 | 第44-59页 |
| 4.1 人眼视觉系统与融合模型搭建 | 第44-46页 |
| 4.2 空间数据融合 | 第46-57页 |
| 4.2.1 毫米波雷达坐标系与世界坐标系转换 | 第46页 |
| 4.2.2 世界坐标系与像素坐标系转换 | 第46-50页 |
| 4.2.3 相机内外参数标定与图像畸变校正 | 第50-55页 |
| 4.2.4 毫米波雷达与相机空间联合标定 | 第55-57页 |
| 4.3 时间数据融合 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 试验验证与结果分析 | 第59-69页 |
| 5.1 毫米波雷达有效目标确定试验 | 第59-61页 |
| 5.1.1 试验软硬件平台搭建 | 第59-60页 |
| 5.1.2 试验结果分析 | 第60-61页 |
| 5.2 机器视觉前方车辆检测试验 | 第61-63页 |
| 5.2.1 试验平台搭建与评价方法确立 | 第61-62页 |
| 5.2.2 试验结果分析 | 第62-63页 |
| 5.3 传感器数据融合试验 | 第63-67页 |
| 5.3.1 试验平台搭建与可视化界面设计 | 第63-65页 |
| 5.3.2 融合参数优化 | 第65-66页 |
| 5.3.3 试验结果分析 | 第66-67页 |
| 5.4 本章小结 | 第67-69页 |
| 总结与展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第76-77页 |
| 致谢 | 第77页 |
